pdf에서 텍스트 및 단어 좌표를 추출하는 방법은 무엇입니까?

Question

.NET에서 PDF 문서의 텍스트를 추출하려면 어떻게해야합니까? 또한 페이지에서 각 단어의 좌표를 어떻게 얻을 수 있습니까? iTextSharp 또는 다른 구성 요소로이 작업을 수행 할 수 있습니까?

Answer 1

작업은 Docotic.Pdf library의 도움으로 쉽게 수행 할 수 있습니다.

다음은 좌표와 함께 모든 단어를 시스템 콘솔에 쓰고 발견 된 각 단어 주위에 직사각형을 그리는 코드입니다. 그 외에는

public static void extractAndDrawWordBounds(string inputFileName, string outputFileName) 
{ 
    using (PdfDocument pdf = new PdfDocument(inputFileName)) 
    { 
     PdfPage page = pdf.Pages[0]; 
     foreach (PdfTextData data in page.GetWords()) 
     { 
      System.Console.WriteLine(data.ToString()); 
      page.Canvas.DrawRectangle(data.Bounds); 
     } 

     pdf.Save(outputFileName); 
    } 

    System.Diagnostics.Process.Start(outputFileName); 
} 

, 라이브러리 포맷 추출 할 수있는 텍스트 (PdfPage.GetTextWithFormatting 방법) 또는 개별 문자 (PdfPage.GetChars 방법)

면책 조항 : 나는 라이브러리의 개발자 중 하나입니다.

Answer 2

는

그것이 내가이 일을 찾은 가장 좋은 도구입니다 PDFLib TET을 시도하지만 무료로하지 않습니다 (그리고 어쨌든 싼 아니다).