दिलचस्प पोस्ट
android.content.res.Resources $ NotFoundException: स्ट्रिंग संसाधन ID # 0x0 कश्मीर के निकटतम पड़ोसी और इसके कार्यान्वयन ढूँढना पृष्ठभूमि-रंग की अस्पष्टता, लेकिन पाठ नहीं मोंगोडब को महीने, दिन, वर्ष … का एक दिन का समय तत्वों के लिए आत्म समापन टैग लिखना पारंपरिक रूप से खाली बुरा अभ्यास नहीं है? 'उपयोगकर्ता परिभाषित प्रकार निर्धारित नहीं' त्रुटि 'प्रथम श्रेणी वस्तु' का क्या मतलब है? क्या Microsoft.VisualBasic नामस्थान "सच। NET" कोड है? Asp.net MVC 2 में बाल क्रियाओं में रीडायरेक्ट परिणाम की अनुमति क्यों नहीं है अनाम कार्यों में पूरे जावास्क्रिप्ट फ़ाइलों को लपेटने का क्या उद्देश्य है, जैसे "(function () {…}) ()"? PowerShell: व्यवस्थापक के रूप में एक आदेश चला रहा है निष्पादन समय पर केवल एक प्रकार तर्क के साथ सामान्य विधि कॉलिंग एक फ़ाइल को एक रिपॉजिटरी से प्राप्त करें एंड्रॉइड होमस्क्रीन का विकास करना कैसे snackBar के लेआउट को अनुकूलित करने के लिए?

.NET में पीडीएफ दस्तावेज़ पढ़ना

क्या ओपन सोर्स लाइब्रेरी है जो नेट / सी # में पीडीएफ दस्तावेजों को पढ़ने / पार्स करने में मदद करती है?

वेब के समाधान से एकत्रित समाधान ".NET में पीडीएफ दस्तावेज़ पढ़ना"

iTextSharp सर्वश्रेष्ठ शर्त है इसे लुसेन। नेट के लिए मकड़ी बनाने के लिए इस्तेमाल किया गया ताकि यह पीडीएफ क्रॉल कर सके।

using System; using System.IO; using iTextSharp.text.pdf; using System.Text.RegularExpressions; namespace Spider.Utils { /// <summary> /// Parses a PDF file and extracts the text from it. /// </summary> public class PDFParser { /// BT = Beginning of a text object operator /// ET = End of a text object operator /// Td move to the start of next line /// 5 Ts = superscript /// -5 Ts = subscript #region Fields #region _numberOfCharsToKeep /// <summary> /// The number of characters to keep, when extracting text. /// </summary> private static int _numberOfCharsToKeep = 15; #endregion #endregion #region ExtractText /// <summary> /// Extracts a text from a PDF file. /// </summary> /// <param name="inFileName">the full path to the pdf file.</param> /// <param name="outFileName">the output file name.</param> /// <returns>the extracted text</returns> public bool ExtractText(string inFileName, string outFileName) { StreamWriter outFile = null; try { // Create a reader for the given PDF file PdfReader reader = new PdfReader(inFileName); //outFile = File.CreateText(outFileName); outFile = new StreamWriter(outFileName, false, System.Text.Encoding.UTF8); Console.Write("Processing: "); int totalLen = 68; float charUnit = ((float)totalLen) / (float)reader.NumberOfPages; int totalWritten = 0; float curUnit = 0; for (int page = 1; page <= reader.NumberOfPages; page++) { outFile.Write(ExtractTextFromPDFBytes(reader.GetPageContent(page)) + " "); // Write the progress. if (charUnit >= 1.0f) { for (int i = 0; i < (int)charUnit; i++) { Console.Write("#"); totalWritten++; } } else { curUnit += charUnit; if (curUnit >= 1.0f) { for (int i = 0; i < (int)curUnit; i++) { Console.Write("#"); totalWritten++; } curUnit = 0; } } } if (totalWritten < totalLen) { for (int i = 0; i < (totalLen - totalWritten); i++) { Console.Write("#"); } } return true; } catch { return false; } finally { if (outFile != null) outFile.Close(); } } #endregion #region ExtractTextFromPDFBytes /// <summary> /// This method processes an uncompressed Adobe (text) object /// and extracts text. /// </summary> /// <param name="input">uncompressed</param> /// <returns></returns> public string ExtractTextFromPDFBytes(byte[] input) { if (input == null || input.Length == 0) return ""; try { string resultString = ""; // Flag showing if we are we currently inside a text object bool inTextObject = false; // Flag showing if the next character is literal // eg '\\' to get a '\' character or '\(' to get '(' bool nextLiteral = false; // () Bracket nesting level. Text appears inside () int bracketDepth = 0; // Keep previous chars to get extract numbers etc.: char[] previousCharacters = new char[_numberOfCharsToKeep]; for (int j = 0; j < _numberOfCharsToKeep; j++) previousCharacters[j] = ' '; for (int i = 0; i < input.Length; i++) { char c = (char)input[i]; if (input[i] == 213) c = "'".ToCharArray()[0]; if (inTextObject) { // Position the text if (bracketDepth == 0) { if (CheckToken(new string[] { "TD", "Td" }, previousCharacters)) { resultString += "\n\r"; } else { if (CheckToken(new string[] { "'", "T*", "\"" }, previousCharacters)) { resultString += "\n"; } else { if (CheckToken(new string[] { "Tj" }, previousCharacters)) { resultString += " "; } } } } // End of a text object, also go to a new line. if (bracketDepth == 0 && CheckToken(new string[] { "ET" }, previousCharacters)) { inTextObject = false; resultString += " "; } else { // Start outputting text if ((c == '(') && (bracketDepth == 0) && (!nextLiteral)) { bracketDepth = 1; } else { // Stop outputting text if ((c == ')') && (bracketDepth == 1) && (!nextLiteral)) { bracketDepth = 0; } else { // Just a normal text character: if (bracketDepth == 1) { // Only print out next character no matter what. // Do not interpret. if (c == '\\' && !nextLiteral) { resultString += c.ToString(); nextLiteral = true; } else { if (((c >= ' ') && (c <= '~')) || ((c >= 128) && (c < 255))) { resultString += c.ToString(); } nextLiteral = false; } } } } } } // Store the recent characters for // when we have to go back for a checking for (int j = 0; j < _numberOfCharsToKeep - 1; j++) { previousCharacters[j] = previousCharacters[j + 1]; } previousCharacters[_numberOfCharsToKeep - 1] = c; // Start of a text object if (!inTextObject && CheckToken(new string[] { "BT" }, previousCharacters)) { inTextObject = true; } } return CleanupContent(resultString); } catch { return ""; } } private string CleanupContent(string text) { string[] patterns = { @"\\\(", @"\\\)", @"\\226", @"\\222", @"\\223", @"\\224", @"\\340", @"\\342", @"\\344", @"\\300", @"\\302", @"\\304", @"\\351", @"\\350", @"\\352", @"\\353", @"\\311", @"\\310", @"\\312", @"\\313", @"\\362", @"\\364", @"\\366", @"\\322", @"\\324", @"\\326", @"\\354", @"\\356", @"\\357", @"\\314", @"\\316", @"\\317", @"\\347", @"\\307", @"\\371", @"\\373", @"\\374", @"\\331", @"\\333", @"\\334", @"\\256", @"\\231", @"\\253", @"\\273", @"\\251", @"\\221"}; string[] replace = { "(", ")", "-", "'", "\"", "\"", "à", "â", "ä", "À", "Â", "Ä", "é", "è", "ê", "ë", "É", "È", "Ê", "Ë", "ò", "ô", "ö", "Ò", "Ô", "Ö", "ì", "î", "ï", "Ì", "Î", "Ï", "ç", "Ç", "ù", "û", "ü", "Ù", "Û", "Ü", "®", "™", "«", "»", "©", "'" }; for (int i = 0; i < patterns.Length; i++) { string regExPattern = patterns[i]; Regex regex = new Regex(regExPattern, RegexOptions.IgnoreCase); text = regex.Replace(text, replace[i]); } return text; } #endregion #region CheckToken /// <summary> /// Check if a certain 2 character token just came along (eg BT) /// </summary> /// <param name="tokens">the searched token</param> /// <param name="recent">the recent character array</param> /// <returns></returns> private bool CheckToken(string[] tokens, char[] recent) { foreach (string token in tokens) { if ((recent[_numberOfCharsToKeep - 3] == token[0]) && (recent[_numberOfCharsToKeep - 2] == token[1]) && ((recent[_numberOfCharsToKeep - 1] == ' ') || (recent[_numberOfCharsToKeep - 1] == 0x0d) || (recent[_numberOfCharsToKeep - 1] == 0x0a)) && ((recent[_numberOfCharsToKeep - 4] == ' ') || (recent[_numberOfCharsToKeep - 4] == 0x0d) || (recent[_numberOfCharsToKeep - 4] == 0x0a)) ) { return true; } } return false; } #endregion } } 

चूंकि इस प्रश्न का आखिरी जवाब 2008 में हुआ था, इसलिए iTextSharp ने अपने API नाटकीय ढंग से सुधार किया है यदि आप http://sourceforge.net/projects/itextsharp/ से अपने एपीआई के नवीनतम संस्करण को डाउनलोड करते हैं, तो आप पीडीएफ से सभी पाठ को एक स्ट्रिंग में निकालने के लिए कोड के निम्नलिखित स्निपेट का उपयोग कर सकते हैं।

 using iTextSharp.text.pdf; using iTextSharp.text.pdf.parser; namespace PdfParser { public static class PdfTextExtractor { public static string pdfText(string path) { PdfReader reader = new PdfReader(path); string text = string.Empty; for(int page = 1; page <= reader.NumberOfPages; page++) { text += PdfTextExtractor.GetTextFromPage(reader,page); } reader.Close(); return text; } } } 

मैंने पिछली बार में आईटेकशशप का प्रयोग किया है / हेरफेर करने के लिए / विभाजित और पीडीएफ दस्तावेज़ों को सुधारना – यह बहुत आसान है, और ओपन सोर्स भी है

 public string ReadPdfFile(object Filename, DataTable ReadLibray) { PdfReader reader2 = new PdfReader((string)Filename); string strText = string.Empty; for (int page = 1; page <= reader2.NumberOfPages; page++) { ITextExtractionStrategy its = new iTextSharp.text.pdf.parser.SimpleTextExtractionStrategy(); PdfReader reader = new PdfReader((string)Filename); String s = PdfTextExtractor.GetTextFromPage(reader, page, its); s = Encoding.UTF8.GetString(ASCIIEncoding.Convert(Encoding.Default, Encoding.UTF8, Encoding.Default.GetBytes(s))); strText = strText + s; reader.Close(); } return strText; } 

पीडीएफक्लाउन मदद कर सकता है लेकिन मैं इसे किसी बड़े या भारी उपयोग के लिए अनुशंसा नहीं करेंगे।

iText मुझे सबसे अच्छी लाइब्रेरी है मूल रूप से जावा में लिखा गया है, वहाँ भी एक .नेट पोर्ट है।

http://www.ujihara.jp/iTextdotNET/en/ देखें

asp pdf बहुत अच्छी तरह से काम करता है। तो फिर, आपको इसके लिए भुगतान करना होगा

आप इस पर गौर कर सकते हैं: http://www.codeproject.com/KB/showcase/pdfrasterizer.aspx यह पूरी तरह से स्वतंत्र नहीं है, लेकिन यह बहुत अच्छा लग रहा है।

एलेक्स

वहाँ भी है LibHaru

http://libharu.org/wiki/Main_Page

http://www.c-sharpcorner.com/UploadFile/psingh/PDFFileGenerator12062005235236PM/PDFFileGenerator.aspx खुला स्रोत है और आपके लिए एक अच्छा प्रारंभिक बिंदु हो सकता है।

मैं संदेश भेजता हूं?

http://www.itextpdf.com/terms-of-use/index.php

मार्गदर्शक

http://www.vogella.com/articles/JavaPDF/article.html

डॉकॉटिक पर एक नज़र डालें । पीडीएफ लाइब्रेरी यह आपको अपने आवेदन का स्रोत कोड खोलने की आवश्यकता नहीं है (उदाहरण के लिए, iTextSharp को वायरल एजीपीएल 3 लाइसेंस के साथ)

डॉकोटिक.पीडीएफ को पीडीएफ फाइलों को पढ़ने और प्रारूपण के साथ या बिना पाठ निकालने के लिए इस्तेमाल किया जा सकता है। कृपया नमूने पर एक नज़र डालें, जो दिखाता है कि पीडीएफ़ से पाठ निकालने का तरीका क्या है ।

अस्वीकरण: मैं बिट चमत्कार के लिए काम करता हूं, लाइब्रेरी के विक्रेता।