Converti un file PDF in testo in C#

Question

Ho bisogno di convertire un file .pdf in un file .txt (o .doc, ma preferisco .txt).

Come posso farlo in C#?

Answer 1

Ghostscript potrebbe fare quello che ti serve. Di seguito è riportato un comando per l'estrazione di testo da un file PDF in un file txt (è possibile eseguire da una riga di comando per verificare se funziona per voi):

gswin32c.exe -q -dNODISPLAY -dSAFER -dDELAYBIND -dWRITESYSTEMDICT -dSIMPLE -c save -f ps2ascii.ps "test.pdf" -c quit >"test.txt" 

Controllare qui: codeproject: Convert PDF to Image Using Ghostscript API per i dettagli su come utilizzare ghostscript con C#

Answer 2

Il concetto di conversione di PDF in testo non è molto semplice e non vedrete nessuno che pubblichi un codice qui che convertirà il PDF in testo diritto. Quindi la soluzione migliore è usare una libreria che faccia il lavoro per te ... una buona cosa è PDFBox, puoi farlo su Google. Probabilmente troverete scritto in Java, ma fortunatamente è possibile utilizzare IKVM per convertirlo in .Net ....

Answer 3

ho avuto la necessità me stesso e ho usato questo articolo per ottenerlo iniziato: http://www.codeproject.com/KB/string/pdf2text.aspx

Answer 4

Come alternativa alla soluzione di Don lì ho trovato la seguente:

Extract Text from PDF in C# (100% .NET)

Answer 5

Docotic.Pdf library può estrarre il testo da file PDF (formattata o meno).

Ecco un esempio di codice che mostra come estrarre il testo formattato da un file PDF e salvarlo in un altro file.

public static void ExtractFormattedText(string pdfFile, string textFile) 
{ 
    using (PdfDocument doc = new PdfDocument(pdfFile)) 
    { 
     string text = doc.GetTextWithFormatting(); 
     File.WriteAllText(textFile, text); 
    } 
} 

Inoltre, v'è un campione sul nostro sito che mostra altre opzioni per extraction of text from PDF files.

Disclaimer: Lavoro per Bit Miracle, venditore della biblioteca.

Answer 6

public void PDF_TEXT() 
    { 
     richTextBox1.Text = string.Empty; 

     ReadPdfFile(@"C:\Myfile.pdf"); //read pdf file from location 
    } 


    public void ReadPdfFile(string fileName) 
    { 

string strText = string.Empty; 
StringBuilder text = new StringBuilder(); 
    try 
    { 
    PdfReader reader = new PdfReader((string)fileName); 
    if (File.Exists(fileName)) 
    { 
    PdfReader pdfReader = new PdfReader(fileName); 

    for (int page = 1; page <= pdfReader.NumberOfPages; page++) 
     { 

ITextExtractionStrategy strategy = new SimpleTextExtractionStrategy(); 

string currentText = PdfTextExtractor.GetTextFromPage(pdfReader, page, strategy); 

      text.Append(currentText); 

       } 
       pdfReader.Close(); 
      } 
     } 
     catch (Exception ex) 
     { 
      MessageBox.Show(ex.Message); 
     } 
     richTextBox1.Text = text.ToString(); 

    } 



    private void Save_TextFile_Click(object sender, EventArgs e) 
    { 
     SaveFileDialog sfd = new SaveFileDialog(); 

     DialogResult messageResult = MessageBox.Show("Save this file into Text?", "Text File", MessageBoxButtons.OKCancel); 

     if (messageResult == DialogResult.Cancel) 
     { 

     } 
     else 
     { 
      sfd.Title = "Save As Textfile"; 
      sfd.InitialDirectory = @"C:\"; 
      sfd.Filter = "TextDocuments|*.txt"; 


      if (sfd.ShowDialog() == DialogResult.OK) 
      { 
       if (richTextBox1.Text != "") 
       { 
        richTextBox1.SaveFile(sfd.FileName, RichTextBoxStreamType.PlainText); 
        richTextBox1.Text = ""; 
        MessageBox.Show("Text Saved Succesfully", "Text File"); 

       } 
       else 
       { 
        MessageBox.Show("Please Upload Your Pdf", "Text File", 
        MessageBoxButtons.OKCancel, MessageBoxIcon.Asterisk); 
       } 

      } 

     } 

    }