在C#中从PDF中提取文本
在C#中从PDF中提取文本
提问于 2010-01-22 18:05:06
很简单，我需要从多个PDF中抓取文本(实际上相当多)，以便在将其粘贴到SQL数据库之前分析内容。
我发现了一些相当粗略的免费C#库可以工作(最好的是使用iTextSharp)，但是有无数的格式错误，一些字符被打乱，很多时候到处都是空格(‘') -单词内部，每个字母之间，大块的空格占据了几行，这一切看起来都有点随机。
有没有什么简单的方法可以做到这一点，我完全忽略了(很有可能！)或者这是一项需要将提取的字节值可靠地转换为字母的艰巨任务？
回答 3
Stack Overflow用户
发布于 2014-01-15 07:28:56
你可以试试.NET中的文本/数据提取框架Toxy，在Toxy1.0中将支持PDF。详情请访问网站：http://toxy.codeplex.com。
Stack Overflow用户
发布于 2011-05-22 15:25:50
您可以尝试使用Docotic.Pdf library (免责声明:我为Bit Miracle工作)来从PDF文件中提取文本。该库使用一些启发式方法来提取漂亮的文本，在单词中的字母之间没有不需要的空格。
请看一下显示how to extract text from PDF的示例。
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/2116440
复制相关文章
相似问题