我需要将一个 .pdf 文件转换成 .txt 文件，如何在 C# 中实现？
6个回答
4
Ghostscript可以满足您的需求。下面是从pdf文件中提取文本到txt文件的命令（您可以从命令行运行它来测试它是否适用于您）：
gswin32c.exe -q -dNODISPLAY -dSAFER -dDELAYBIND -dWRITESYSTEMDICT -dSIMPLE -c save -f ps2ascii.ps "test.pdf" -c quit >"test.txt"
请查看这里：codeproject：使用Ghostscript API将PDF转换为图像，了解如何在C#中使用ghostscript的详细信息。
- serge_gubenko
14
谢谢！
它能运行，但是有一个问题，它没有保存到txt文件中，只是创建了一个空的文件。为什么会这样呢？
我像这样运行它：
C：> C：\ gswin32.exe -q -dNODISPLAY -dSAFER -dDELAYBIND -dWRITESYSTEMDICT -d-c save -f ps2ascii.ps "C：\ New Folder \ 2 \ test.pdf" -c quit >“c：\ test.txt” - aharon
如果您像这样运行它：gswin32.exe "C:\New Folder\2\test.pdf"，它会显示文件吗？另外，您可能希望尝试从gs的bin文件夹中运行它，例如：C：\ Program Files \ gs \ gs8.64 \ bin> gswin32c.exe ....无论如何，如果gs找不到\解析您的文件，它应该会给出错误，请在此处发布它，如果仍然无法转换您的文件。 - serge_gubenko
它必须在Windows上运行，并且对我来说运行良好；解析PDF文件可能会出现问题，但通常您会从gs收到错误消息，并说明缺少或损坏了什么；您能否将您的PDF文件发布在文件共享服务上，以便我可以尝试转换它？ - serge_gubenko
这是我想要转换的文件链接。
我认为您不会有问题来转换它，我成功地将其转换了，但问题是它没有保存到txt文件中。
这是命令：
gswin32.exe -q -dNODISPLAY -dSAFER -dDELAYBIND -dWRITESYSTEMDICT -dSIMPLE -c save -f ps2ascii.ps "c:\test.pdf" > "c:\test.txt" - aharon
哇！！！它起作用了！！！谢谢！！！但是还有一个小问题，如果有粗体字，那么在某些PDF文件中，它们无法正确解析，单词会被切断或每个单词都分开。有什么办法可以解决吗？我上传了一个示例文件。您可以在第一行清楚地看到它，但在其他行（粗体行）中也有一些类似的单词：http://www.megafileupload.com/en/file/170969/test-txt.html
另外一个问题，我需要转换15000个PDF文件（为我的项目），如果我在C#中循环并从cmd运行此程序，这样做是否可以？ - aharon
显示剩余9条评论
1
将PDF转换为文本的概念并不是非常直观，你不会看到有人在这里发布可以直接将PDF转换为文本的代码。因此，你现在最好使用一个能够完成这项工作的库... 一个很好的选择是PDFBox，你可以在谷歌上搜索它。你可能会发现它是用Java编写的，但幸运的是你可以使用IKVM将其转换为.Net...
- Zaid Amir
0
Docotic.Pdf library可以从PDF文件中提取文本（无论格式如何）。
以下是一个示例代码，展示了如何从PDF文件中提取格式化文本并将其保存到另一个文件中。
public static void ExtractFormattedText(string pdfFile, string textFile)
{
using (PdfDocument doc = new PdfDocument(pdfFile))
{
string text = doc.GetTextWithFormatting();
File.WriteAllText(textFile, text);
}
}
此外，我们网站上还有一篇文章介绍了其他从PDF文件中提取文本的选项（链接）。
声明：我是Bit Miracle公司的供应商。
- Bobrovsky
1
但这只是一个简单的转换。我需要将文章转换为PDF文件，而这些PDF文件具有不同的布局... - aharon
-2
public void PDF_TEXT()
{
richTextBox1.Text = string.Empty;
ReadPdfFile(@"C:\Myfile.pdf"); //read pdf file from location
}
public void ReadPdfFile(string fileName)
{
string strText = string.Empty;
StringBuilder text = new StringBuilder();
try
{
PdfReader reader = new PdfReader((string)fileName);
if (File.Exists(fileName))
{
PdfReader pdfReader = new PdfReader(fileName);
for (int page = 1; page <= pdfReader.NumberOfPages; page++)
{
ITextExtractionStrategy strategy = new SimpleTextExtractionStrategy();
string currentText = PdfTextExtractor.GetTextFromPage(pdfReader, page, strategy);
text.Append(currentText);
}
pdfReader.Close();
}
}
catch (Exception ex)
{
MessageBox.Show(ex.Message);
}
richTextBox1.Text = text.ToString();
}
private void Save_TextFile_Click(object sender, EventArgs e)
{
SaveFileDialog sfd = new SaveFileDialog();
DialogResult messageResult = MessageBox.Show("Save this file into Text?", "Text File", MessageBoxButtons.OKCancel);
if (messageResult == DialogResult.Cancel)
{
}
else
{
sfd.Title = "Save As Textfile";
sfd.InitialDirectory = @"C:\";
sfd.Filter = "TextDocuments|*.txt";
if (sfd.ShowDialog() == DialogResult.OK)
{
if (richTextBox1.Text != "")
{
richTextBox1.SaveFile(sfd.FileName, RichTextBoxStreamType.PlainText);
richTextBox1.Text = "";
MessageBox.Show("Text Saved Succesfully", "Text File");
}
else
{
MessageBox.Show("Please Upload Your Pdf", "Text File",
MessageBoxButtons.OKCancel, MessageBoxIcon.Asterisk);
}
}
}
}
- shuvo sarker
3
2仅仅粘贴代码并不是有帮助的。 - mkl
我认为这里没有太多需要描述的困难事情。 - shuvo sarker
7我认为这里没有太多需要描述的难点。- 其实，您的代码甚至无法编译，简单的原因是您没有提及依赖项。问题和您的回答都没有提到iTextSharp。任何不认识相关类的人都会立即迷失方向。此外，您的代码中还有一些不必要的元素。如果OP想创建一个命令行应用程序，GUI元素事件监听器是不合适的。好的例子可以看一下@Bobrovsky的回答，他提到了库的依赖关系并且只呈现了关键代码。 - mkl
网页内容由stack overflow 提供, 点击上面的可以查看英文原文，
原文链接
原文链接