सी # पीडीएफशर्प: पीडीएफ से पाठ को कैसे छीनने के उदाहरण?

Question

मेरे पास काफी सरल कार्य है: मुझे अपनी टेक्स्ट सामग्री को अनदेखा करते समय एक पीडीएफ फ़ाइल पढ़ने और अपनी छवि सामग्री लिखने की आवश्यकता है। इसलिए अनिवार्य रूप से मुझे "पाठ के रूप में सहेजें" के पूरक करने की आवश्यकता है।

आदर्श रूप में, मैं छवि सामग्री के किसी भी प्रकार के पुन: संपीड़न से बचना पसंद करूंगा लेकिन यदि यह संभव नहीं है, तो यह भी ठीक है।

क्या यह करने के उदाहरण हैं?

धन्यवाद!

Answer 1

पीडीएफ फाइल से पीडीएफ फाइल से पाठ निकालना एक आसान काम नहीं है।

यह इस सूत्र में हाल ही में चर्चा की गई: https://stackoverflow.com/a/9161732/162529

Answer 2

.pdf फ़ाइल से छवियों को निकालने PDFSharp पुस्तकालयों का उदाहरण:

link

library

संपादित करें:

तो अगर आप छवि से पाठ निकालने के लिए आप ओसीआर पुस्तकालयों का उपयोग करने के लिए है चाहता हूँ ।

दो अच्छा OCRs tessnet और मोदी
Link to thread on stack
रहे हैं लेकिन मैं पूरी तरह से MODI जो मैं अब का उपयोग कर रहा सिफारिश कर सकते हैं। कुछ नमूना @codeproject।

संपादित करें 2:

आप निकाली गई छवियों से पाठ पढ़ने के लिए नहीं करना चाहते हैं, तो आप नया पीडीएफ दस्तावेज़ लिखने और इसे में उन सभी को रखना चाहिए। पीडीएफ लिखने के लिए मैं MigraDoc का उपयोग करता हूं। उस पुस्तकालय का उपयोग करना मुश्किल नहीं है।

Answer 3

PdfSharp साथ एक पीडीएफ से निकाला जा रहा है पाठ वास्तव में, बहुत आसान हो सकता है दस्तावेज़ प्रकार और आप इसे साथ क्या करना चाहते हैं पर निर्भर करता है। यदि टेक्स्ट दस्तावेज़ में टेक्स्ट के रूप में है, न कि कोई छवि, और आपको स्थिति या प्रारूप की परवाह नहीं है, तो यह काफी सरल है। इस कोड को पीडीएफ़ के साथ मैं काम कर रहा हूँ में प्रथम पृष्ठ के पाठ के सभी हो जाता है:

var doc = PdfReader.Open(docPath); 
string pageText = doc.Pages[0].Contents.Elements.GetDictionary(0).Stream.ToString(); 

doc.Pages.Count आप पृष्ठों की कुल संख्या देता है, और आप सूचकांक के साथ doc.Pages सरणी के माध्यम से हर एक का उपयोग। मैं foreach और लिंक यहां उपयोग करने की अनुशंसा नहीं करता, क्योंकि इंटरफेस अच्छी तरह लागू नहीं होते हैं। सूचकांक GetDictionary में पारित किया गया है जिसके लिए पीडीएफ दस्तावेज तत्व - यह दस्तावेजों के उत्पादन के आधार पर भिन्न हो सकता है। यदि आपको वह पाठ नहीं मिलता है जिसे आप ढूंढ रहे हैं, तो सभी तत्वों के माध्यम से लूपिंग करने का प्रयास करें।

यह उत्पाद जो विभिन्न उत्पाद पीडीएफ प्रारूपण कोड से भरा होगा। यदि आपको केवल स्ट्रिंग निकालने की ज़रूरत है, तो आप रेगेक्स या किसी अन्य उचित स्ट्रिंग खोज कोड का उपयोग करके उन लोगों को ढूंढ सकते हैं जिन्हें आप चाहते हैं। यदि आपको स्वरूपण या स्थिति के साथ कुछ भी करने की ज़रूरत है, तो शुभकामनाएं - जो मैं बता सकता हूं, उससे आपको इसकी आवश्यकता होगी।