使用 C# 或经典 ASP (VBScript) 从 PDF 中提取文本的好方法是啥？ [关闭]

Posted 2023-02-24

【中文标题】使用 C# 或经典 ASP (VBScript) 从 PDF 中提取文本的好方法是啥？ [关闭]

【英文标题】：What's a good method for extracting text from a PDF using C# or classic ASP (VBScript)? [closed]使用 C# 或经典 ASP (VBScript) 从 PDF 中提取文本的好方法是什么？ [关闭]

【发布时间】：2010-09-07 23:50:40

【问题描述】：

有没有一个好的库可以从 PDF 中提取文本？如果需要，我愿意付钱。

使用 C# 或经典 ASP (VBScript) 的东西是理想的，我还需要能够将页面与 PDF 分开。

This question 有一些有趣的东西，尤其是pdftotext，但如果可以的话，我想避免调用外部命令行应用程序。

【参考方案1】：

Docotic.Pdf library 可用于从 PDF 文档中提取格式化或纯文本。

图书馆可以阅读任何版本的 PDF 文档（直到最新发布的标准）。该库还支持提取页面。

示例代码链接：

How to extract text from PDF How to extract PDF pages

免责声明：我为图书馆的供应商工作。

【参考方案2】：

除了已批准的答案：还有替代的商业解决方案来替代 Adob​​e IFilter 进行文本索引（提供类似的 API，但也提供额外的高级功能）：

Foxit PDF IFilter：与 Adob​​e 的插件相比，提供更快的文本索引。 PDFLib PDF iFilter：包括对损坏的 PDF 文档的支持以及用于运行您自己的查询的额外 API。

如果您正在寻找可用于托管 .NET 应用程序和传统编程语言（如经典 ASP 或 VB6）的单一工具，那么这就是商业 ByteScout PDF Extractor SDK 适合的地方，因为它同时提供 .NET 和 ActiveX/通讯接口。

免责声明：我为 ByteScout 工作

【参考方案3】：

我们使用Aspose 取得了不错的效果。

【参考方案4】：

您可以使用 Windows 内置的 IFilter 接口从任何受支持的文件类型中提取文本和属性（作者、标题等）。它是一个 COM 接口，因此您可以使用 .NET 互操作工具。

您还必须从 Adob​​e 下载免费的 PDF IFilter 驱动程序。

【参考方案5】：

这是一个很好的列表： Open Source Libs for PDF/C#

其中大部分都用于创建 PDF，但它们也应该具有阅读功能。

还有这个：iText

我以前只玩过 iText。没什么大不了的。