可以使用iTextSharp从PDF文件中获取结构元素吗？
可以使用iTextSharp从PDF文件中获取结构元素吗？
提问于 2012-02-16 15:09:35
我们正在使用带有C# WinForms应用程序的iTextSharp来解析PDF文件。使用iTextSharp，我可以轻松地从PDF文件中提取文本数据。假设一个PDF文件包含一个由两行文本包围的图像。在这种情况下，我无法提取有关图像的信息。
我的要求是：
- 获取PDF文件的结构元素
- Process，无论每个元素的类型是文本、图像、表还是其他
例如，结构图元与以下内容类似：
text :paragraph1
text :paragraph2
Image:Image
text :paragraph3
Table:table info
text :Paragraph4如果我能以这样的格式获得信息，我就可以很容易地理解文本、图像、表格、页眉或页脚信息。
那么，是否可以使用iTextSharp来获取此类信息呢？如果是，请告诉我这一点。另外，你能推荐一些其他的工具来满足这个需求吗？
感谢所有人，
萨拉瓦南
回答 1
Stack Overflow用户
发布于 2014-01-19 05:31:10
不久前，我曾经有过这种需求。我使用了这个函数(来自Extract images using iTextSharp)：
private static PdfObject FindImageInPDFDictionary(PdfDictionary pg)
{
PdfDictionary res =
(PdfDictionary)PdfReader.GetPdfObject(pg.Get(PdfName.RESOURCES));
PdfDictionary xobj =
(PdfDictionary)PdfReader.GetPdfObject(res.Get(PdfName.XOBJECT));
if (xobj != null)
{
foreach (PdfName name in xobj.Keys)
{
PdfObject obj = xobj.Get(name);
if (obj.IsIndirect())
{
PdfDictionary tg = (PdfDictionary)PdfReader.GetPdfObject(obj);
PdfName type =
(PdfName)PdfReader.GetPdfObject(tg.Get(PdfName.SUBTYPE));
//image at the root of the pdf
if (PdfName.IMAGE.Equals(type))
{
return obj;
}// image inside a form
else if (PdfName.FORM.Equals(type))
{
return FindImageInPDFDictionary(tg);
} //image inside a group
else if (PdfName.GROUP.Equals(type))
{
return FindImageInPDFDictionary(tg);
}
}
}
}
return null;
}正如您在foreach (PdfName name in xobj.Keys)语句中看到的，我认为您可以轻松地解析整个PDF并处理其中的各种数据。但我不确定你需要的“垂直性”部分。
希望能对你有所帮助。
页面原文内容由Stack Overflow提供。腾讯云小微IT领域专用引擎提供翻译支持
原文链接：
https://stackoverflow.com/questions/9306970
复制相关文章
相似问题