通过C#高效提取PDF文本的完整指南

Install-Package Spire.PDF

Install-Package FreeSpire.PDF

using System.IO;
using Spire.Pdf;
using Spire.Pdf.Texts;

namespace ExtractTextFromPage
{
    class Program
    {
        static void Main(string[] args)
        {
            // 加载PDF文件
            PdfDocument doc = new PdfDocument();
            doc.LoadFromFile("示例.pdf");

            // 获取指定页面
            PdfPageBase page = doc.Pages[1];

            // 创建PdfTextExtractot 对象
            PdfTextExtractor textExtractor = new PdfTextExtractor(page);

            // 设置提取页面上所有文本
            PdfTextExtractOptions extractOptions = new PdfTextExtractOptions();
            extractOptions.IsExtractAllText = true;

            // 从所选页面中提取文本
            string text = textExtractor.ExtractText(extractOptions);

            // 将提取的文本写入 TXT 文件
            File.WriteAllText("提取指定页面文本.txt", text);
        }
    }
}

//创建一个 PdfTextExtractOptions 对象
PdfTextExtractOptions extractOptions = new PdfTextExtractOptions();

//设置矩形区域范围
extractOptions.ExtractArea = new RectangleF(0, 0, 870, 150);