利用iTextSharp提取PDF文件中的文本内容

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。