使用C＃或经典ASP（VBScript）从PDF中提取文本的好方法是什么？ [关闭]

Question

是否有一个很好的库来从PDF中提取文本？ 如果必须，我愿意为此付出代价。

适用于C＃或经典ASP（VBScript）的东西是理想的，我还需要能够将页面与PDF分开。

这个问题有一些有趣的东西，特别是pdftotext，但如果可以的话，我想避免调用外部命令行应用程序。

Answer 1

您可以使用Windows内置的IFilter接口从任何支持的文件类型中提取文本和属性（作者，标题等）。 它是一个COM接口，因此您可以使用.NET互操作工具。

您还必须从Adobe下载免费的PDF IFilter驱动程序。

Answer 2

除了批准的答案：还有替代商业解决方案来取代Adobe IFilter进行文本索引（提供类似的API，但也提供额外的高级功能）：

1. Foxit PDF IFilter ：与Adobe的插件相比，提供更快的文本索引。
2. PDFLib PDF iFilter ：包括对损坏的PDF文档的支持以及运行您自己的查询的附加API。

如果您正在寻找可以从托管.NET应用程序和传统编程语言（如经典ASP或VB6）使用的单一工具，那么商业ByteScout PDF Extractor SDK将适合它，因为它提供.NET和ActiveX / COM API 。

免责声明：我为ByteScout工作

Answer 3

这是一个很好的列表： PDF / C的开源库＃

其中大部分都是为了创建PDF，但它们也应该具有读取功能。

还有这个： iText

我之前只玩过iText。 没什么大不了的。

Answer 4

我们使用Aspose取得了很好的效果。

Answer 5

Docotic.Pdf库可用于从PDF文档中提取格式化或纯文本。

该库可以读取任何版本的PDF文档（最新发布的标准）。 库也支持页面提取。

示例代码的链接：

• 如何从PDF中提取文本
• 如何提取PDF页面

免责声明：我为图书馆的供应商工作。