使用 C# 或经典 ASP (VBScript) 从 PDF 中提取文本的好方法是什么?

发布于 2024-07-05 15:53:39 字数 1560 浏览 8 评论 0原文

如果你对这篇内容有疑问,欢迎到本站社区发帖提问 参与讨论,获取更多帮助,或者扫码二维码加入 Web 技术交流群。

扫码二维码加入Web技术交流群

发布评论

需要 登录 才能够评论, 你可以免费 注册 一个本站的账号。

评论(5

隔纱相望 2024-07-12 15:53:39

您可以使用 Windows 内置的 IFilter 接口从任何受支持的文件类型中提取文本和属性(作者、标题等)。 它是一个 COM 接口,因此您可以使用 .NET 互操作工具。

您还必须从 Adob​​e 下载免费的 PDF IFilter 驱动程序。

You can use the IFilter interface built into Windows to extract text and properties (author, title, etc.) from any supported file type. It's a COM interface so you would have use the .NET interop facilities.

You'd also have to download the free PDF IFilter driver from Adobe.

可是我不能没有你 2024-07-12 15:53:39

这是一个很好的列表:
PDF/C# 开源库

其中大多数都是为了创建 PDF,但他们也应该具有阅读能力。

还有这个:iText

我以前只玩过iText。 没什么大不了的。

Here is a good list:
Open Source Libs for PDF/C#

Most of these are geared toward creating PDFs, but they should have read capability as well.

There is this one as well: iText

I have only played with iText before. Nothing major.

农村范ル 2024-07-12 15:53:39

我们使用 Aspose 取得了良好的效果。

We've used Aspose with good results.

梦纸 2024-07-12 15:53:39

除了已批准的答案之外:还有其他商业解决方案可以替代 Adob​​e IFilter 进行文本索引(提供类似的 API,但也提供额外的高级功能):

  1. Foxit PDF IFilter:与 Adob​​e 插件相比,提供更快的文本索引。
  2. PDFLib PDF iFilter:包括对损坏的 PDF 文档的支持以及要运行的附加 API您自己的查询。

如果您正在寻找可以从托管 .NET 应用程序和传统编程语言(例如经典 ASP 或 VB6)中使用的单一工具,那么这就是商业 ByteScout PDF Extractor SDK 适合,因为它提供 .NET 和 ActiveX/COM API。

免责声明:我为 ByteScout 工作

Addition to the to the approved answer: there are also alternative commercial solutions to replace Adobe IFilter for text indexing (providing the similar API but also offering additional premium functionality):

  1. Foxit PDF IFilter: provides much faster text indexing comparing to Adobe's plugin.
  2. PDFLib PDF iFilter: includes support for damaged PDF documents plus the additional API to run your own queries.

If you are looking for the single tool that can be used from both managed .NET apps and legacy programming languages like classic ASP or VB6 then this is where the commercial ByteScout PDF Extractor SDK would fit as it provides both .NET and ActiveX/COM API.

Disclaimer: I work for ByteScout

一影成城 2024-07-12 15:53:39

Docotic.Pdf 库 可用于从 PDF 文档中提取格式化文本或纯文本。

该图书馆可以阅读任何版本的PDF文档(达到最新发布的标准)。 该库还支持页面提取。

示例代码链接:

免责声明:我工作对于图书馆的供应商。

Docotic.Pdf library can be used to extract formatted or plain text from PDF documents.

The library can read PDF documents of any version (up to the latest published standard). Extraction of pages is also supported by the library.

Links to sample code:

Disclaimer: I work for the vendor of the library.

~没有更多了~
我们使用 Cookies 和其他技术来定制您的体验包括您的登录状态等。通过阅读我们的 隐私政策 了解更多相关信息。 单击 接受 或继续使用网站,即表示您同意使用 Cookies 和您的相关数据。
原文