如何从 pdf C# 中获取具有特定颜色的文本
我必须将 pdf 文件中的数据放入特定的数据库结构中。这要求我能够从 pdf 文件中获取某些数据。由于 pdf 没有任何标签等...我想知道是否可以根据颜色获取文本。比如说我想要所有的红色文本。或者我想要文档中的所有斜体文本。这在 C# 中可能吗？或者有其他方法可以轻松过滤 pdf 文档中的数据吗？
I have to put the data from a pdf file in a certain database structure. This requires me to be able to get certain data out of the pdf file. Since pdf hasn't got any tags etc ... i was wondering if it is possible to get text based on a color. Say for example i want all the red text. Or i want all the italic text in the document. Is this possible in C# ? Or is there an other way to easily filter data in a pdf document ?
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。
绑定邮箱获取回复消息
由于您还没有绑定你的真实邮箱，如果其他用户或者作者回复了您的评论，将不能在第一时间通知您！
发布评论
评论（4）
我采取了不同的方法。我把pdf文件转换成了excel文件。搜索彩色文本非常容易
I've taken a different approach. I converted the pdf to an excel file. And this was very easy to search for the coloured text
通过使用此库 http://www.codeproject.com/KB/files /xpdf_csharp.aspx?msg=3154408
您可以访问每种文字样式（字体、颜色...）
By using this library http://www.codeproject.com/KB/files/xpdf_csharp.aspx?msg=3154408
you have an access to every word style (font, color...)
iText 的 PdfTextExtractor（以及它所依赖的所有代码）不跟踪当前颜色。哎哟。添加起来并不那么困难，因此您可以自己修改 iText：
iText's PdfTextExtractor (and all the code it rests on) DOES NOT track the current color. Ouch. It wouldn't be all that hard to add, so you could modify iText yourself:
ContentOperatorclasses for 'g', 'G', 'rg', 'RG', 'K', and 'k' (and maybe CS, cs, SC, sc, SCN, scn), to modify the stroke and fill colors.尝试 PdfLibTET http://www.pdflib.com/products/tet/
它应该能够获取有关文本的信息。
Try PdfLibTET http://www.pdflib.com/products/tet/
It should be able to get informations about text.