C#借助Free Spire.PDF for .NET实现轻松提取PDF文本

Install-Package FreeSpire.PDF

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

namespace ExtractTextFromPage
{
    class Program
    {
        static void Main(string[] args)
        {
            // 1. 加载 PDF 文档
            PdfDocument doc = new PdfDocument();
            doc.LoadFromFile("示例.pdf");

            // 2. 获取指定页面（Pages 集合从 0 开始，此处获取第 2 页）
            PdfPageBase page = doc.Pages[1];

            // 3. 创建 PdfTextExtractor 对象，用于提取该页文本
            PdfTextExtractor textExtractor = new PdfTextExtractor(page);

            // 4. 设置提取选项：提取页面上所有文本
            PdfTextExtractOptions extractOptions = new PdfTextExtractOptions();
            extractOptions.IsExtractAllText = true;   // 提取全部文本

            // 5. 执行提取
            string text = textExtractor.ExtractText(extractOptions);

            // 6. 将提取的文本写入文件
            File.WriteAllText("提取指定页面文本.txt", text);

            // 7. 释放资源
            doc.Close();
        }
    }
}

doc.LoadFromFile("加密.pdf", "password");

StringBuilder allText = new StringBuilder();
foreach (PdfPageBase page in doc.Pages)
{
    PdfTextExtractor extractor = new PdfTextExtractor(page);
    PdfTextExtractOptions options = new PdfTextExtractOptions();
    options.IsExtractAllText = true;
    string pageText = extractor.ExtractText(options);
    allText.AppendLine(pageText);
}
File.WriteAllText("全部页面文本.txt", allText.ToString());

PdfTextExtractOptions options = new PdfTextExtractOptions();
options.ExtractArea = new System.Drawing.RectangleF(50, 100, 400, 300);  // 左、上、宽、高
string areaText = textExtractor.ExtractText(options);