Spire.PDF图片和图形教程：如何获取PDF文档中的文本和图片

更多资源查看：Spire.XLS工作表教程 | Spire.Doc系列教程 | Spire.PDF系列教程

【下载Spire.PDF最新试用版】

Spire.PDF是一个专业的PDF组件，能够独立地创建、编写、编辑、操作和阅读PDF文件，支持 .NET、Java、WPF和Silverlight。Spire.PDF的PDF API拥有丰富的功能，如安全设置（包括数字签名）、PDF文本/附件/图片提取、PDF文件合并/拆分、元数据更新、章节和段落优化、图形/图像描绘和插入、表格创建和处理、数据导入等等。

文本和图片是PDF文档的重要组成部分。本文将介绍如何通过编程的方式使用C#获取PDF文档中的文本和图片并保存到本地路径，以及如何从指定的页面区域提取文本。

C# 如何提取 PDF 文档中的文本和图片

提取PDF文档中的文本

//实例化一个PdfDocument对象
PdfDocument doc = new PdfDocument();

//加载PDF文档
doc.LoadFromFile("测试文档.pdf");

//实例化一个StringBuilder 对象
StringBuilder content = new StringBuilder();

//提取PDF所有页面的文本
foreach (PdfPageBase page in doc.Pages)
{
    content.Append(page.ExtractText());
}

//将提取到的文本写为.txt格式并保存到本地路径
String fileName = "获取文本.txt";
File.WriteAllText(fileName, content.ToString());

提取 PDF 文档中的图片

//加载PDF文档
PdfDocument doc = new PdfDocument();
doc.LoadFromFile("测试文档.pdf");

ListListImage = new List();

for (int i = 0; i < doc.Pages.Count; i++)
{
    // 实例化一个Spire.Pdf.PdfPageBase对象
PdfPageBase page = doc.Pages[i];

    // 获取所有pages里面的图片
    Image[] images = page.ExtractImages();
    if (images != null && images.Length > 0)
    {
        ListImage.AddRange(images);
    }

}

// 将提取到的图片保存到本地路径
if (ListImage.Count > 0)
{
    for (int i = 0; i < ListImage.Count; i++)
    {
        Image image = ListImage[i];
        image.Save("image" + (i + 1).ToString() + ".png", System.Drawing.Imaging.ImageFormat.Png);
    }
  
}

C# 从 PDF 页面的指定区域内提取文本

有时我们可能需要获取PDF页面中某个区域内的文本而不是全部的文本。以下是示例文档截图，红色矩形区域是即将提取文本的区域。

//创建PdfDocument实例  
PdfDocument pdf = new PdfDocument();  
//加载PDF文档  
pdf.LoadFromFile("Input.pdf");  
   
//获取第一页  
PdfPageBase page = pdf.Pages[0];  
   
//从第一页的指定矩形区域内提取文本  
string text = page.ExtractText(new RectangleF(50, 50, 500, 100) );  
   
//将文本写入.txt文件  
StringBuilder sb = new StringBuilder();  
sb.AppendLine(text);  
File.WriteAllText("Extract.txt", sb.ToString());

效果图

*想要购买正版授权的朋友可以哦~

如果你有任何问题或意见，可在下方评论区留言，点击资源列表查看更多教程资源~