如何提取 PDF 文档中的文本和图片?

文本和图片是PDF文档的重要组成部分。本文将介绍如何通过编程的方式使用Spire.PDF C#获取PDF文档中的文本和图片并保存到本地路径。

Spire.PDF是一个专业的PDF组件，能够独立地创建、编写、编辑、操作和阅读PDF文件，支持 .NET、Java、WPF和Silverlight。

提取PDF文档中的文本

//实例化一个PdfDocument对象
PdfDocument doc = new PdfDocument();
//加载PDF文档
doc.LoadFromFile("测试文档.pdf");
//实例化一个StringBuilder 对象
StringBuilder content = new StringBuilder();
//提取PDF所有页面的文本
foreach (PdfPageBase page in doc.Pages)
{
 content.Append(page.ExtractText());
}
//将提取到的文本写为.txt格式并保存到本地路径
String fileName = "获取文本.txt";
File.WriteAllText(fileName, content.ToString());

提取 PDF 文档中的图片

//加载PDF文档
PdfDocument doc = new PdfDocument();
doc.LoadFromFile("测试文档.pdf");
List<Image> ListImage = new List<Image>();
for (int i = 0; i < doc.Pages.Count; i++)
{
 // 实例化一个Spire.Pdf.PdfPageBase对象
PdfPageBase page = doc.Pages[i];
 // 获取所有pages里面的图片
 Image[] images = page.ExtractImages();
 if (images != null && images.Length > 0)
 {
 ListImage.AddRange(images);
 }
}
// 将提取到的图片保存到本地路径
if (ListImage.Count > 0)
{
 for (int i = 0; i < ListImage.Count; i++)
 {
 Image image = ListImage[i];
 image.Save("image" + (i + 1).ToString() + ".png", System.Drawing.Imaging.ImageFormat.Png);
 }
 
}

效果图：

几行代码就可以实现将文本和图片从PDF文档中提取出来。其实PDF的编辑和编写也不是难事，Spire.PDF就可以做到~

点击“了解更多”下载产品最新试用版

↓↓↓