欢迎您访问程序员文章站本站旨在为大家提供分享程序员计算机编程知识!
您现在的位置是: 首页

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。

C# 实现从PDF文档的指定区域内提取文本

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:

C# 实现从PDF文档的指定区域内提取文本


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());
        }
    }
}