C에서 ITextSharp의 PDF에서 텍스트를 읽을 수 없습니다

Question

두 개의 pdf 파일이 있습니다. Sercurity 탭의 두 파일 모두 보안 방법 : 보안 없음 및 문서 어셈블리 : 허용되지 않음과 페이지 추출 : 허용되지 않음을 설정했습니다. 다른 항목도 허용됩니다. 내가 PDF에서 텍스트를 검색 할 STANDART ITextSharp 방법을 사용하여 :

PdfReader pdfReader = new PdfReader(fileName); 

       for (int page = 1; page <= pdfReader.NumberOfPages; page++) 
       { 
        ITextExtractionStrategy strategy = new SimpleTextExtractionStrategy(); //LocationTextExtractionStrategy(); 
        string currentText = PdfTextExtractor.GetTextFromPage(pdfReader, page, strategy); 

        currentText = Encoding.UTF8.GetString(ASCIIEncoding.Convert(Encoding.Default, Encoding.UTF8, Encoding.Default.GetBytes(currentText))); 
        text.Append(currentText); 

을 첫 번째 파일에서 나는 텍스트를 검색 할 수 없습니다 두 번째 파일에서 문제 wihtout currentText를 얻을 수 currentText가 비어 있습니다. LocationTextExtractionStrategy로 시도했지만 결과는 같습니다. SodaPDF에서이 파일을 열어 txt 파일로 변환했지만이 파일도 비어 있습니다 (frist 파일은 문제없이 txt로 변환됩니다). C#이나 다른 응용 프로그램에서이 파일의 텍스트를 읽을 수 있습니까? Adobe Reader를 구입하면이 파일을 txt로 변환합니까? 두 파일의 차이점은 무엇입니까?

감사합니다.

Answer 1

. PDF 파일을 텍스트 파일로 변환하려면 Aspose.Pdf for .NET을 다운로드하여 사용해 보시기 바랍니다. 파일에 이미지가 포함되어 있고 해당 이미지에서 텍스트를 추출해야하는 경우 Aspose.Pdf를 사용하여 Pdf 파일을 이미지로 변환 한 다음 Aspose.OCR for .NET을 사용하여 OCR을 수행 할 수 있습니다. 다음

는

//open document 
Document pdfDocument = new Document("input.pdf"); 
//create TextAbsorber object to extract text 
TextAbsorber textAbsorber = new TextAbsorber(); 
//accept the absorber for all the pages 
pdfDocument.Pages.Accept(textAbsorber); 
//get the extracted text 
string extractedText = textAbsorber.Text; 
// create a writer and open the file 
TextWriter tw = new StreamWriter("extracted-text.txt"); 
// write a line of text to the file 
tw.WriteLine(extractedText); 
// close the stream 
tw.Close(); 

무료 평가판을 다운로드하여 보시기 바랍니다 .NET

에 대한 Aspose.Pdf를 사용하여 텍스트 PDF로 변환하는 샘플 코드입니다.

Answer 2

이미지가 실제로 많은 PDF가있을 수 있습니다. Bruno Lowagie가 말했듯이, 이미징 된 pdf에서 텍스트를 추출 할 수는 없습니다. 당신은 이것을 위해 제 3 자 OCR에 갈 필요가 있습니다. 당신은 워드, HTML 등의 편집 가능한 형식으로 PDF로 변환하는 어도비 아크로벳을 사용 ca를

.. 내가 Aspose에서 소셜 미디어 개발자로 일