Comment lire des fichiers PDF en C++

Écrivons le code C++ qui invoque l'outil en ligne de commande Xpdf pour extraire le contenu textuel du document PDF. Nous allons utiliser le fichier input.pdf suivant :

L'exemple de code est le suivant :

#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
}

Explication du Code

Dans le code ci-dessus, nous définissons la variable pdfPath pour contenir le chemin du fichier PDF d'entrée. Assurez-vous de le remplacer par le chemin approprié vers votre document PDF d'entrée réel.

Nous définissons également la variable outputFilePath pour contenir le chemin vers le fichier texte de sortie qui sera généré par Xpdf.

Le code exécute la commande pdftotext en utilisant la fonction system, en passant le chemin du fichier PDF d'entrée et le chemin du fichier texte de sortie comme arguments en ligne de commande. La variable status capture le statut de sortie de la commande.

Si pdftotext s'exécute avec succès (indiqué par un statut de 0), nous procédons à l'ouverture du fichier texte de sortie en utilisant ifstream. Nous lisons ensuite le contenu texte ligne par ligne et le stockons dans la chaîne textContent.

Enfin, nous affichons le contenu texte extrait dans la console depuis le fichier de sortie généré. Si vous n'avez pas besoin du fichier texte de sortie modifiable ou si vous souhaitez libérer de l'espace disque, à la fin du programme, il suffit de le supprimer avant de terminer la fonction main avec la commande suivante :

remove(outputFilePath.c_str());

remove(outputFilePath.c_str());

Compilez le code C++ et exécutez l'exécutable. Si le pdftotext est ajouté au chemin du système des variables d'environnement, sa commande s'exécutera avec succès. Le programme génère le fichier texte de sortie et extrait le contenu textuel du document PDF. Le texte extrait est ensuite affiché sur la console.

La sortie est la suivante