[轉].NET下讀取PDF文本

本文轉自：http://blog.csdn.net/wangqiuyun/article/details/8548779

在.NET下讀取PDF文本用到的類庫主要有兩個：PDFBox和iTextSharp。

先說PDFBox，這個類庫據說功能很強大，本人在這只是簡單介紹一下：

1、下載PDFBox

下載地址：http://sourceforge.net/projects/pdfbox/

2、引用動態鏈接庫

解壓縮下載的PDFBox，找到其中的Bin目錄，需要在項目中添加引用的dll文件有： IKVM.GNU.Classpath.dll PDFBox-0.7.3.dll FontBox-0.1.0-dev.dll IKVM.Runtime.dll 將以上4個文件引用到項目中，在文件中需要引入以下2個命名空間： using org.pdfbox.pdmodel; using org.pdfbox.util;

3、API的使用方法看代碼：

using org.pdfbox.pdmodel;
using org.pdfbox.util;
public void pdf2txt(FileInfo file,FileInfo txtfile)
{
        PDDocument doc = PDDocument.load(file.FullName);
        PDFTextStripper pdfStripper = new PDFTextStripper();
        string text = pdfStripper.getText(doc);
        StreamWriter swPdfChange = new StreamWriter(txtfile.FullName, false, Encoding.GetEncoding("gb2312"));
        swPdfChange.Write(text);
        swPdfChange.Close();
}

using org.pdfbox.pdmodel;
using org.pdfbox.util;
public void pdf2txt(FileInfo file,FileInfo txtfile)
{
        PDDocument doc = PDDocument.load(file.FullName);
        PDFTextStripper pdfStripper = new PDFTextStripper();
        string text = pdfStripper.getText(doc);
        StreamWriter swPdfChange = new StreamWriter(txtfile.FullName, false, Encoding.GetEncoding("gb2312"));
        swPdfChange.Write(text);
        swPdfChange.Close();
}

iTextSharp，其實很多時候都是用於生成PDF，但是他讀取PDF的能力也不差，使用如下：

 

1、下載iTextSharp

下載地址：http://sourceforge.net/projects/itextsharp/

2、引用動態鏈接庫

解壓縮下載的壓縮包里面的itextsharp-dll-core.zip，得到itextsharp.dll，在項目中添加引用itextsharp.dll即可 在文件中需要引入以下3個命名空間： using iTextSharp; using iTextSharp.text; using iTextSharp.text.pdf;

3、API的使用方法看代碼：

private string OnCreated(string filepath)
{
    try
    {
        string pdffilename = filepath;
        PdfReader pdfReader = new PdfReader(pdffilename);
        int numberOfPages = pdfReader.NumberOfPages;
        string text = string.Empty;

        for (int i = 1; i <= numberOfPages; ++i)
        {
            byte[] bufferOfPageContent = pdfReader.GetPageContent(i);
            text += System.Text.Encoding.UTF8.GetString(bufferOfPageContent);
        }
        pdfReader.Close();

        return text;
    }
    catch (Exception ex)
    {
        StreamWriter wlog = File.AppendText(System.AppDomain.CurrentDomain.SetupInformation.ApplicationBase+"\\mylog.log");
        wlog.WriteLine("出錯文件：" + e.FullPath + "原因：" + ex.ToString());
        wlog.Flush();
        wlog.Close();return null;
    }

}