利用iTextSharp提取PDF文件中的文本内容
2011-10-16 16:51
405 查看
最近测试中需要对比两个PDF文件的内容,当然只是文字没有图表的,但是没有现成的工具可用。于是我的想法是先把PDF转换为Text,然后再对比Text的内容。现在问题的关键变成了如何提取PDF中的文本,在网上找了一下,发现iTextSharp可以满足我的需求。所以我把它写下来供大家参考,关于PDF文件对比如果谁有更好的解决办法,欢迎交流!
这里我创建了一个Windows Form的程序,它的界面如下。点击Browse button,选择需要提取文本内容的PDF文件,点击Open button,该PDF文件的文本内容将会显示在下面的textbox里。
下面是它的详细步骤:
1. 打开VS2010 Express, 新建一个Windows Forms Project,命名为ExtractTextFromPdf。
2. Download itextsharp-all-5.1.2.zip from http://sourceforge.net/projects/itextsharp/, and Unzip itextsharp-dll-core-5.1.2.zip。
3. Add itextsharp.dll as reference in ExtractTextFromPdf project:
4. Add using namespace:
5. 接下来我主要介绍一下一个核心函数,其它的代码我就不贴出来了。
编译运行之后,选择仅含有文本的PDF文件,然后这些文本就会显示出来。
这里我创建了一个Windows Form的程序,它的界面如下。点击Browse button,选择需要提取文本内容的PDF文件,点击Open button,该PDF文件的文本内容将会显示在下面的textbox里。
下面是它的详细步骤:
1. 打开VS2010 Express, 新建一个Windows Forms Project,命名为ExtractTextFromPdf。
2. Download itextsharp-all-5.1.2.zip from http://sourceforge.net/projects/itextsharp/, and Unzip itextsharp-dll-core-5.1.2.zip。
3. Add itextsharp.dll as reference in ExtractTextFromPdf project:
4. Add using namespace:
5. 接下来我主要介绍一下一个核心函数,其它的代码我就不贴出来了。
编译运行之后,选择仅含有文本的PDF文件,然后这些文本就会显示出来。
相关文章推荐
- 利用PDFBox提取pdf文件文本内容的分析
- [Java] 利用xpdf库获取pdf文件的指定范围文本内容
- Linux系统中利用node.js提取Word(doc/docx)及PDF文本的内容
- [Java] 利用xpdf库获取pdf文件的指定范围文本内容
- iTextSharp之pdfRead(两个文件文本内容的比较,指定页数的pdf截取,水印的添加)
- 利用Minidx Extract-Text Com组件从Word,Xls,Pdf……等文件中读取文本内容
- [Java] 利用xpdf库获取pdf文件的指定范围文本内容
- [Java] 利用xpdf库获取pdf文件的指定范围文本内容
- [Java] 利用xpdf库获取pdf文件的指定范围文本内容
- [Java] 利用xpdf库获取pdf文件的指定范围文本内容
- 利用pdfbox读取pdf文件内容和图片
- nodejs将PDF文件转换成txt文本,并利用python处理转换后的文本文件
- JAVA读取WORD,EXCEL,PDF,TXT,RTF,HTML文件文本内容的方法示例
- Word,Excel,pdf,txt等文件上传并提取内容
- 在Asp.Net中操作PDF – iTextSharp -利用块,短语,段落添加文本
- 【译】在Asp.Net中操作PDF – iTextSharp -利用块,短语,段落添加文本
- JAVA读取WORD,EXCEL,PDF,TXT,RTF,HTML文件文本内容的方法示例
- 利用iTextSharp把DataTable导出为PDF和RTF(Rich Text Format)文件
- 利用PDFBox读取pdf文件文本
- 利用jQuery提取和修改文本内容进而对文本内容进行对调