Čtení různých typů dokumentů programově je v dnešní době běžnou praxí. V tomto návodu se naučíte, jak číst soubor PDF v C# pomocí níže uvedených jednoduchých kroků.
Kroky ke čtení souboru PDF v C#
- Vytvořte prázdnou aplikaci konzoly C# v sadě Visual Studio
- Přidejte odkaz na Aspose.PDF for .NET jeho instalací z NuGet.org
- Načtěte existující soubor PDF do objektu dokumentu
- Inicializujte třídu TextAbsorber pro čtení souboru PDF
- Extrahujte text PDF a zapište jej do výstupu konzoly
- Projděte si stránku PDF Resources a vyhledejte obrázky
- Vytvořte objekt FileStream s nalezeným obrázkem
- Uložte obraz na místní disk
Níže uvedený fragment kódu vysvětluje, jak otevřít a číst soubor PDF v C#. Pomocí něj budete moci číst text a extrahovat obrázky ze souboru PDF. API nabízí třídu TextAbsorber, která se používá ke čtení textu ze souboru PDF a extrahovaných výsledků můžete dosáhnout prostřednictvím objektu Text. Vyhledání obrázků a jejich uložení na místní disk je také možné procházením zdrojů stránky PDF, jak je znázorněno níže.
Kód pro čtení souboru PDF v C#
| using System; | |
| using System.IO; | |
| // Add reference to Aspose.PDF for .NET API | |
| // Use following namespace to read PDF file | |
| using Aspose.Pdf; | |
| namespace ReadPDFFiles | |
| { | |
| class Program | |
| { | |
| static void Main(string[] args) | |
| { | |
| // Set license before reading PDF file | |
| Aspose.Pdf.License AsposePDFLicense = new Aspose.Pdf.License(); | |
| AsposePDFLicense.SetLicense(@"c:\asposelicense\license.lic"); | |
| string inFile = @"c:\ReadPDFFileInCSharp.pdf"; | |
| // Load an existing PDF file in Document object to read | |
| Document pdf = new Document(inFile); | |
| // 1. Read text from PDF file | |
| // Initialize TextAbsorber Class to read Text from PDF file | |
| Aspose.Pdf.Text.TextAbsorber textAbsorber = new Aspose.Pdf.Text.TextAbsorber(); | |
| // Call Page.Accept() method to let TextAbsorber find text in PDF Pages | |
| pdf.Pages.Accept(textAbsorber); | |
| // Write the extracted text to Console output | |
| Console.WriteLine(textAbsorber.Text); | |
| // 2. Extract images from PDF file | |
| int imageIndex = 1; | |
| // Iterate through PDF pages | |
| foreach (var pdfPage in pdf.Pages) | |
| { | |
| // Check available images while reading the PDF | |
| foreach (XImage image in pdfPage.Resources.Images) | |
| { | |
| // Create file stream for found image | |
| FileStream extractedImage = new FileStream(String.Format("Page{0}_Image{1}.jpg", pdfPage.Number, imageIndex), FileMode.Create); | |
| // Save output image to the disk | |
| image.Save(extractedImage, System.Drawing.Imaging.ImageFormat.Jpeg); | |
| // Close stream | |
| extractedImage.Close(); | |
| imageIndex++; | |
| } | |
| // Reset image index | |
| imageIndex = 1; | |
| } | |
| } | |
| } | |
| } |
V předchozím tématu jste se dozvěděli jak zpracovat velké soubory PDF v C#. Výše uvedené informace a příklad kódu vám umožní otevírat a číst soubory PDF v C# za účelem extrahování textu a obrázků.
