Wie man PDF-Dateien in C++ liest

Schreiben wir den C++-Code, der das Xpdf-Befehlszeilen-Tool aufruft, um Textinhalte aus dem PDF-Dokument zu extrahieren. Wir werden die folgende input.pdf-Datei verwenden:

Das Codebeispiel sieht wie folgt aus:

#include <cstdlib>
#include <iostream>
#include <fstream>

using namespace std;

int main() {
    // Specify the input and output file paths
    string pdfPath = "input.pdf";
    string outputFilePath = "output.txt";

    // Construct the command to run pdftotext
    string command = "pdftotext " + pdfPath + " " + outputFilePath;
    int status = system(command.c_str());

    // Check if the command executed successfully
    if (status == 0) {
        cout << "Text extraction successful." << endl;
    } else {
        cout << "Text extraction failed." << endl;
        return 1; // Exit the program with error code
    }

    // Open the output file to read the extracted text
    ifstream outputFile(outputFilePath);
    if (outputFile.is_open()) {
        string textContent;
        string line;
        while (getline(outputFile, line)) {
            textContent += line + "\n"; // Append each line to the textContent
        }
        outputFile.close();

        // Display the extracted text
        cout << "Text content extracted from PDF document:" << endl;
        cout << textContent << endl;
    } else {
        cout << "Failed to open output file." << endl;
        return 1; // Exit the program with error code
    }

    return 0; // Exit the program successfully
}

#include <cstdlib>
#include <iostream>
#include <fstream>

using namespace std;

int main() {
    // Specify the input and output file paths
    string pdfPath = "input.pdf";
    string outputFilePath = "output.txt";

    // Construct the command to run pdftotext
    string command = "pdftotext " + pdfPath + " " + outputFilePath;
    int status = system(command.c_str());

    // Check if the command executed successfully
    if (status == 0) {
        cout << "Text extraction successful." << endl;
    } else {
        cout << "Text extraction failed." << endl;
        return 1; // Exit the program with error code
    }

    // Open the output file to read the extracted text
    ifstream outputFile(outputFilePath);
    if (outputFile.is_open()) {
        string textContent;
        string line;
        while (getline(outputFile, line)) {
            textContent += line + "\n"; // Append each line to the textContent
        }
        outputFile.close();

        // Display the extracted text
        cout << "Text content extracted from PDF document:" << endl;
        cout << textContent << endl;
    } else {
        cout << "Failed to open output file." << endl;
        return 1; // Exit the program with error code
    }

    return 0; // Exit the program successfully
}

Codeerklärung

Im obigen Code definieren wir die Variable pdfPath, um den Pfad zur Eingabe-PDF-Datei zu speichern. Stellen Sie sicher, dass Sie ihn durch den entsprechenden Pfad zu Ihrem tatsächlichen Input-PDF-Dokument ersetzen.

Wir definieren auch die Variable outputFilePath, um den Pfad zur Ausgabetextdatei zu speichern, die von Xpdf generiert wird.

Der Code führt den pdftotext-Befehl mithilfe der system-Funktion aus, wobei der Eingabe-PDF-Dateipfad und der Ausgabetextdateipfad als Befehlszeilenargumente übergeben werden. Die Variable status erfasst den Rückgabestatus des Befehls.

Wenn pdftotext erfolgreich ausgeführt wird (angezeigt durch einen Status von 0), fahren wir fort, die Ausgabedatei mit ifstream zu öffnen. Wir lesen dann die Textinhalte Zeile für Zeile und speichern sie im String textContent.

Schließlich geben wir die extrahierten Textinhalte von der generierten Ausgabedatei in die Konsole aus. Wenn Sie die bearbeitbare Ausgabetextdatei nicht benötigen oder Speicherplatz freigeben möchten, löschen Sie sie am Ende des Programms einfach mit dem folgenden Befehl, bevor Sie die Hauptfunktion beenden:

remove(outputFilePath.c_str());

remove(outputFilePath.c_str());

Kompilieren Sie den C++-Code und führen Sie die .exe aus. Wenn das pdftotext zum Systempfad der Umgebungsvariablen hinzugefügt wird, wird sein Befehl erfolgreich ausgeführt. Das Programm generiert die Ausgabetextdatei und extrahiert Textinhalte aus dem PDF-Dokument. Der extrahierte Text wird dann in der Konsole angezeigt.

Das Ergebnis sieht folgendermaßen aus