首页 文章

是否可以使用iTextSharp从PDF文件中获取结构元素？

提问于
浏览 次
18

我们使用iTextSharp和C＃WinForms应用程序来解析PDF文件 . 使用iTextSharp，我可以轻松地从PDF文件中提取文本数据 . 假设PDF文件包含由两行文本包围的图像 . 在这种情况下，我无法提取有关图像的信息 .

我的要求是：

  • 获取PDF文件的结构元素

  • 处理每个是文本，图像，表格还是其他类型

例如，结构元素类似于以下内容：

text :paragraph1
text :paragraph2
Image:Image
text :paragraph3
Table:table info
text :Paragraph4

如果我能以这样的格式获取信息，我可以很容易地理解文本，图像，表格，页眉或页脚信息 .

那么，是否可以使用iTextSharp获取此类信息？如果是的话，请赐教 . 否则，您能否建议一些其他能够满足此要求的工具？

谢谢大家，

Saravanan

c# pdf c#-4.0 itextsharp

1 回答

  • 5

    我曾经有过这种需要 . 我用过这个函数（来自Extract images using iTextSharp）：

    private static PdfObject FindImageInPDFDictionary(PdfDictionary pg)
{
    PdfDictionary res =
        (PdfDictionary)PdfReader.GetPdfObject(pg.Get(PdfName.RESOURCES));


    PdfDictionary xobj =
      (PdfDictionary)PdfReader.GetPdfObject(res.Get(PdfName.XOBJECT));
    if (xobj != null)
    {
        foreach (PdfName name in xobj.Keys)
        {

            PdfObject obj = xobj.Get(name);
            if (obj.IsIndirect())
            {
                PdfDictionary tg = (PdfDictionary)PdfReader.GetPdfObject(obj);

                PdfName type =
                  (PdfName)PdfReader.GetPdfObject(tg.Get(PdfName.SUBTYPE));

                //image at the root of the pdf
                if (PdfName.IMAGE.Equals(type))
                {
                    return obj;
                }// image inside a form
                else if (PdfName.FORM.Equals(type))
                {
                    return FindImageInPDFDictionary(tg);
                } //image inside a group
                else if (PdfName.GROUP.Equals(type))
                {
                    return FindImageInPDFDictionary(tg);
                }

            }
        }
    }

    return null;
}

    正如您在 foreach (PdfName name in xobj.Keys) 语句中所看到的，我认为您可以轻松地解析整个PDF并处理来自它的各种数据 . 但我不确定你需要的部分 .

    希望它可以帮到你 .

    回复于

相关问题