C# 实现从PDF文档的指定区域内提取文本
程序员文章站
2022-07-01 20:54:04
...
有时候我们可能想获取PDF文档中某个指定区域内的文本而不是全部的文本,因此这篇文章将介绍一个针对该需求的解决方案,该方案所使用的组件是Spire.PDF。它不仅支持获取PDF文档中指定矩形区域内的文本,还支持获取指定页面或全部页面内的文本和图片。
下面是本方案所使用的示例文档截图,接下来我将使用Spire.PDF组件获取选中区域内的文本。
首先创建一个C#控制台应用程序,引用Spire.Pdf.dll到工程中并添加以下命名空间:
using System.Drawing;
using System.IO;
using System.Text;
using Spire.Pdf;
详细步骤如下:
步骤1:创建一个PdfDocument类的实例并加载PDF文档。
PdfDocument pdf = new PdfDocument();
pdf.LoadFromFile("Input.pdf");
步骤2:获取第一页。
PdfPageBase page =pdf.Pages[0];
步骤3:从第一页的指定矩形区域内提取文本,并保存到一个txt文件中。该矩形区域通过X Y坐标以及宽度和高度指定。
string text = page.ExtractText(newRectangleF(50, 50, 500, 100));
StringBuilder sb = new StringBuilder();
sb.AppendLine(text);
File.WriteAllText("Extract.txt",sb.ToString());
运行效果:
完整代码:
using System.Drawing;
using System.IO;
using System.Text;
using Spire.Pdf;
namespace Extract_text_from_given_rectangle_in_PDF
{
class Program
{
static void Main(string[] args)
{
//创建PdfDocument实例
PdfDocument pdf = new PdfDocument();
//加载PDF文档
pdf.LoadFromFile("Input.pdf");
//获取第一页
PdfPageBase page = pdf.Pages[0];
//从第一页的指定矩形区域内提取文本
string text = page.ExtractText(new RectangleF(50, 50, 500, 100) );
//保存文本到.txt文件
StringBuilder sb = new StringBuilder();
sb.AppendLine(text);
File.WriteAllText("Extract.txt", sb.ToString());
}
}
}