通过C#代码轻松提取PDF文本

using Spire.Pdf;
using Spire.Pdf.Texts;
using System.Text;

namespace ExtractPDFText
{
    class Program
    {
        static void Main(string[] args)
        {
            // 创建PdfDocument对象
            PdfDocument pdf = new PdfDocument();

            // 载入PDF文档
            pdf.LoadFromFile("Sample.pdf");

            // 创建PdfTextExtractOptions对象，并设置不保留布局
            PdfTextExtractOptions extractOptions = new PdfTextExtractOptions();
            extractOptions.IsSimpleExtraction = true;

            // 创建StringBuilder对象以储存提取的文本
            StringBuilder extractedText = new StringBuilder();

            // 遍历文档页面
            foreach (PdfPageBase page in pdf.Pages)
            {
                // 使用页面创建PdfTextExtractor对象
                PdfTextExtractor extractor = new PdfTextExtractor(page);
                // 提取当前页面的文本
                string text = extractor.ExtractText(extractOptions);
                // 将提取到的文本添加到StringBuilder对象
                extractedText.Append(text);
            }

            // 将提取结果写入文本文件
            using (StreamWriter writer = new StreamWriter("output/ExtractedPDFText.txt", false, Encoding.UTF8))
            {
                writer.Write(extractedText.ToString());
            }

            // 释放资源
            pdf.Close();
        }
    }
}

using Spire.Pdf;
using Spire.Pdf.Texts;
using System.Text;

namespace ExtractPDFTextAndLayout
{
    class Program
    {
        static void Main(string[] args)
        {
            // 创建PdfDocument对象
            PdfDocument pdf = new PdfDocument();

            // 载入PDF文档
            pdf.LoadFromFile("Sample.pdf");

            // 创建文本提取选项
            PdfTextExtractOptions extractOptions = new PdfTextExtractOptions();

            // 创建StringBuilder对象以储存提取的文本
            StringBuilder extractedText = new StringBuilder();

            // 遍历文档页面
            foreach (PdfPageBase page in pdf.Pages)
            {
                // 使用页面创建PdfTextExtractor对象
                PdfTextExtractor extractor = new PdfTextExtractor(page);
                // 提取当前页面的文本
                string text = extractor.ExtractText(extractOptions);
                // 将提取到的文本添加到StringBuilder对象
                extractedText.Append(text);
            }

            // 将提取结果写入文本文件
            using (StreamWriter writer = new StreamWriter("output/ExtractedPDFText.txt", false, Encoding.UTF8))
            {
                writer.Write(extractedText.ToString());
            }

            // 释放资源
            pdf.Close();
        }
    }
}

using Spire.Pdf.Texts;
using Spire.Pdf;

using System.Drawing;
using System.Text;

namespace ExtractPDFTextArea
{
    class Program
    {
        static void Main(string[] args)
        {
            // 创建PdfDocument对象
            PdfDocument pdf = new PdfDocument();

            // 载入PDF文档
            pdf.LoadFromFile("Sample.pdf");

            // 获取指定页面
            PdfPageBase page = pdf.Pages[0];

            // 创建PdfTextExtractor对象
            PdfTextExtractor extractor = new PdfTextExtractor(page);

            // 创建PdfTextExtractOptions对象
            PdfTextExtractOptions extractOptions = new PdfTextExtractOptions();
            // 设置要提取文本的矩形区域
            extractOptions.ExtractArea = new RectangleF(80, 100, 250, 150);

            // 提取页面上指定位置的文本
            string extractedText = extractor.ExtractText(extractOptions);

            // 将提取的文本写入文本文件
            File.WriteAllText("output/ExtractPDFPageAreaText.txt", extractedText, Encoding.UTF8);

            // 释放资源
            pdf.Close();
        }
    }
}