C# 实现从PDF文档的指定区域内提取文本

小灰灰 2024-02-18 17:38 86阅读 0赞

有时候我们可能想获取PDF文档中某个指定区域内的文本而不是全部的文本，因此这篇文章将介绍一个针对该需求的解决方案，该方案所使用的组件是[Spire.PDF][]。它不仅支持获取PDF文档中指定矩形区域内的文本，还支持获取指定页面或全部页面内的文本和图片。

下面是本方案所使用的示例文档截图，接下来我将使用Spire.PDF组件获取选中区域内的文本。

![SouthEast][]

首先创建一个C\#控制台应用程序，引用Spire.Pdf.dll到工程中并添加以下命名空间：

using System.Drawing;
    using System.IO;
    using System.Text;
    using Spire.Pdf;

**详细步骤如下：**

**步骤1：**创建一个PdfDocument类的实例并加载PDF文档。

PdfDocument pdf = new PdfDocument();
    pdf.LoadFromFile("Input.pdf");

**步骤2：**获取第一页。

PdfPageBase page =pdf.Pages[0];

**步骤3：**从第一页的指定矩形区域内提取文本，并保存到一个txt文件中。该矩形区域通过X Y坐标以及宽度和高度指定。

string text = page.ExtractText(newRectangleF(50, 50, 500, 100));
     
    StringBuilder sb = new StringBuilder();
    sb.AppendLine(text);
    File.WriteAllText("Extract.txt",sb.ToString());

**运行效果：**

![20180112142744868][]

**完整代码：**

using System.Drawing;
    using System.IO;
    using System.Text;
    using Spire.Pdf;
    
    namespace Extract_text_from_given_rectangle_in_PDF
    {
        class Program
        {
            static void Main(string[] args)
            {
                //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) );
     
                //保存文本到.txt文件
                StringBuilder sb = new StringBuilder();
                sb.AppendLine(text);
                File.WriteAllText("Extract.txt", sb.ToString());
            }
        }
    }

[Spire.PDF]: http://e-iceblue.cn/Introduce/Spire-PDF-NET.html
[SouthEast]: https://image.dandelioncloud.cn/pgy_files/images/2024/01/29/8d51e91c917347039b9030d9b45ab673.png
[20180112142744868]: https://image.dandelioncloud.cn/pgy_files/images/2024/01/29/1b6327df092f40e2a60a2db5257823ee.png