특정 직사각형 영역 내의 PDF 문서에서 텍스트를 추출하는 방법은 무엇입니까?

Question

특정 사각형 영역 내에서 PDF 문서의 텍스트를 추출해야합니다. 작업 흐름은 다음과 같습니다. 첫째로 모두의 pdf는 jpg 심상으로 개조된다. 그런 다음 사용자는 그림의 상단에 선택 사각형을 그립니다. 그럼 어떻게 든 그 선택 영역 내의 PDF 문서에서 모든 텍스트를 추출해야합니다. C#에서 프리웨어 pdf libs에 액세스 할 수있는 방법은 무엇입니까?

Answer 1

동의합니다. OCR은 여기에서 사용하는 방법이 아닙니다. 경계 상자 좌표와 함께 텍스트를 추출 할 수있는 PDF 라이브러리가 필요합니다.

QuickPDF는 $ 249의 매우 합리적인 가격으로 필요한 정보를 추출 할 수있는 상용 라이브러리 (www.quickpdf.com)입니다. http://www.quickpdflibrary.com/help/quickpdf/DAExtractPageText.php은 찾고있는 기능입니다. 이렇게하면 전체 페이지의 텍스트가 추출되고 간단한 Point 및/또는 Rectangle 함수를 사용하여 텍스트를 선택한 사각형으로 제한해야합니다.

iText가 내 연구를 기반으로이 기능을 가지고 있다고 생각하지 않습니다.

또한 How to extract text from a PDF?

Answer 2

OCR (텍스트 인식)을 사용하여 선택한 영역 내에서 텍스트를 추출하기 위해 PDF를 JPEG 이미지로 래스터 화 한 후에 제안 할 것입니다. 다음은 .NET 용 OCR 라이브러리에 관한 article입니다. PDF에서 텍스트를 추출하는 일은 다소 안정적으로 달성되는 방법을 보여주는 here's an article입니다. 문제는 사용자가 선택한 사각형 내의 텍스트를 인식하는 방법입니다.

Answer 3

(책임의 한계와 법적 고지 - 나는 그것의 PDF 제품을 Atalasoft 위해 일) 읽어야 Atalasoft's PdfReader이 작업을 수행합니다. 그것은 프리웨어가 아니지만 꽤 잘 작동합니다. 이 코드는 다음과 같다 :

using (PdfTextDocument doc = new PdfTextDocument(pathToFile)) { 
    PdfTextPage page = doc.GetPage(pageNumber); 
    string text = page.GetTextInBox(yourSelection); 
} 

Answer 4

완벽 itextsharp을 이용한 직교 좌표에 기초하여 PDF 데이터를 추출한다 코드

List<string> linestringlist = new List<string>(); 
    PdfReader reader = new PdfReader(pdfFilename); 
    iTextSharp.text.Rectangle rect = new iTextSharp.text.Rectangle(coordinate1, coordinate2, coordinate3, coordinate4); 
    RenderFilter[] renderFilter = new RenderFilter[1]; 
    renderFilter[0] = new RegionTextRenderFilter(rect); 
    ITextExtractionStrategy textExtractionStrategy = new FilteredTextRenderListener(new LocationTextExtractionStrategy(), renderFilter); 
    string text = PdfTextExtractor.GetTextFromPage(reader, 1, textExtractionStrategy);