c# - 在 C# 中读取 PDF 文本图像

Question

我需要阅读 pdf 文件并需要转换为 HTML。目前我正在使用 iTextsharp 阅读 PDF。是否有任何带有适当文档的 dll 来读取 pdf 文件。

谢谢

Answer 1

ITextSharp 相当不错，而且很容易实现。这是一个阅读 pdf 并将文本放入字符串的小示例，然后将其打印到 webforms 页面上的标签上：

using System;
using System.Collections.Generic;
using System.Linq;
using System.Web;
using System.Web.UI;
using System.Web.UI.WebControls;
using iTextSharp.text.pdf;
using iTextSharp.text.pdf.parser;

namespace pdfreadertest
{
    public partial class _Default : System.Web.UI.Page
    {
        protected void Page_Load(object sender, EventArgs e)
        {
            GetTextFromPDFFile(@"c:\example.pdf", 1);
        }

        public void GetTextFromPDFFile(string pdfFile, int pageNumber)
        {
            // Call the reader to read the pdf file
            PdfReader pdfReader = new PdfReader(pdfFile);

            // Extract the text from the pdf reader and put into a string
            string pdfText = PdfTextExtractor.GetTextFromPage(pdfReader, pageNumber);

            // Try and close the reader
            try
            {
                pdfReader.Close();
            }
            catch{ }

            // Put the string (pdf text) into a label to display on page
            this.lblPdfText.Text = pdfText;
        }
    }
}

希望有帮助。

Answer 2

我认为 iTextSharp 是最受欢迎的库之一，尽管还有其他几个库，如 iText.Net、PDF Sharp、Sharp PDF 等谷歌它，你会发现很多。我用过 iTextSharp，我喜欢它。