Het programmatisch lezen van verschillende soorten documenten is tegenwoordig een gangbare praktijk. In deze handleiding leert u hoe u PDF Bestand in C# kunt lezen door onderstaande eenvoudige stappen te volgen.
Stappen om PDF-bestand te lezen in C#
- Maak een lege C# Console-toepassing in Visual Studio
- Voeg een verwijzing toe naar Aspose.PDF for .NET door het te installeren vanaf NuGet.org
- Laad een bestaand PDF-bestand in Document-object
- Initialiseer TextAbsorber Class om PDF-bestand te lezen
- PDF-tekst extraheren en naar console-uitvoer schrijven
- Doorloop de PDF-pagina Resources om afbeeldingen te vinden
- Maak een FileStream-object met gevonden afbeelding
- Sla de afbeelding op de lokale schijf op
Onderstaand codefragment legt uit hoe u een PDF-bestand in C# kunt openen en lezen. U kunt tekst lezen en afbeeldingen uit een PDF-bestand extraheren door het te gebruiken. De API biedt TextAbsorber Class die wordt gebruikt om tekst uit een PDF-bestand te lezen en u kunt de geëxtraheerde resultaten bereiken via Text object. Afbeeldingen zoeken en opslaan op de lokale schijf is ook mogelijk door door PDF Page-bronnen te bladeren, zoals hieronder wordt weergegeven.
Code om PDF-bestand te lezen in 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; | |
| } | |
| } | |
| } | |
| } |
In het vorige onderwerp heb je hoe grote PDF-bestanden te verwerken in C# geleerd. Met de bovenstaande informatie en het codevoorbeeld kunt u PDF-bestanden openen en lezen in C# om tekst en afbeeldingen te extraheren.
