c# - 如何使用 ABCPdf.NET 从 PDF 文件的所有页面中提取文本？

Question

如何使用 ABCPdf.NET 工具从 PDF 文件中提取内容文本？

我尝试了 GetText 方法，但没有提取内容：

var doc = new Doc();    

        var url = @".../FileName.pdf";

        doc.Read(url);

        string xmlContents = doc.GetText("Text");
        Response.Write(xmlContents);
        doc.Clear();
        doc.Dispose();

我的 pdf 有近 1000 个单词，但 GetText 只返回 4-5 个单词。我意识到它只返回第一页的文本。

所以问题应该是“如何从pdf文件的所有页面中提取文本？” -（更改了标题以使其更清晰）。

谢谢，

Answer 1

为了您的利益，是的！

 public string ExtractTextsFromAllPages(string pdfFileName)
    {
        var sb = new StringBuilder();

        using (var doc = new Doc())
        {
            doc.Read(pdfFileName);

            for (var currentPageNumber = 1; currentPageNumber <= doc.PageCount; currentPageNumber++)
            {
                doc.PageNumber = currentPageNumber;
                sb.Append(doc.GetText("Text"));
            }
        }

        return sb.ToString();
    }

如果您没有 url 但有字节，则：

public string ExtractTextsFromAllPages(Byte[] pdfBytes)
    {
        var sb = new StringBuilder();

        using (var doc = new Doc())
        {
            doc.Read(pdfBytes);

            for (var currentPageNumber = 1; currentPageNumber <= doc.PageCount; currentPageNumber++)
            {
                doc.PageNumber = currentPageNumber;
                sb.Append(doc.GetText("Text"));
            }
        }

        return sb.ToString();
    }

Answer 2

您是否尝试过GetText方法？

Answer 3

doc.Read(.......);
var textOperation = new TextOperation(doc);
textOperation.PageContents.AddPages();
string allText = textOperation.GetText();