0
这将是我第一次阅读PDF。阅读PDF文件?
我四处搜寻,发现如此选项可以用C#做,并选择使用iTextSharp。
到目前为止,我已经完成了基本的工作,比如阅读文件并获取没有问题的内容。
PdfReader reader = new PdfReader(iPDF.Text);
for (int x = 2; x <= reader.NumberOfPages; x++)
{
iResult.Text = Encoding.UTF8.GetString(reader.GetPageContent(x));
break;
}
正如你可以看到它是一个非常非常基本的代码只是为了阅读PDF的第2页到一个文本文件,但是,我已经看到了很多代码到文本文件,我有点如何仅解析我所需要的数据就会丢失。
我想知道,如果存在一个模式或东西,这将帮我把PDF的那一部分。综观纯文本文件似乎有事情定义开始/的线条,色彩端等
一些所述提取物的数据:
1 0 0 1 0 612 cm 0 0 0 rg
0 0 0 RG
28.35 -28.35 735.3 -526.95 re
W
n
0 0 0.502 sc
28.35 -65.5 735.3 -12.75 re
f
28.35 -543.9 735.3 -11.4 re
f
q
92.25 -28.35 560.9 -18 re
W
n
1 1 1 sc
92.25 -28.35 560.9 -18 re
f
BT
1 0 0 1 95.25 -39.1 Tm
0 0 0 sc
/i 10.75 Tf
(Name - Live) T
注:上面的只是部分的初始数据从第2页指出我以前的意思。
数据是列表中的某种东西,我怎么能只提取?
嗨,的确是不给它一个更简单的方法,但我认为从原始解析它应该那么从简单文本中就不那么容易了?我的意思是,在原始的情况下,它似乎存在一些模式,它定义了数据的位置,我只是想知道是否有列表或某些函数直接从表中提取... – Guapo
是的,当然存在一种模式。这种模式在PDF规范中有描述,并且是iTextSharp已经为您解析PDF所实现的内容。 PDF规范就像一个35MB的PDF文件。你真的想阅读它来理解这种模式吗?这里有一个链接,如果你这样做:http://wwwimages.adobe.com/www.adobe.com/content/dam/Adobe/en/devnet/pdf/pdfs/PDF32000_2008.pdf –
所以我想iTextSharp没有一个已经有BT,tf等模式的功能......即使没有读取规格,我也有一组数据在它之间看似简单的是像BT/ET这样的模式。然后,例如'Tf(Assess)Tj'和括号内的是实际数据,但这正是我正在寻找的,如果有解析器,或者甚至是iTextSharp中的一个函数来识别的。 – Guapo