如何在C++中讀取PDF檔案

PDF(可攜式文件格式)檔案廣泛用於文件交換，能夠以程式方式讀取其內容在各種應用中具有價值。 以下庫可用於在 C++ 中讀取 PDF：Poppler、Mupdf、Haru free PDF library、Xpdf 和 Qpdf。

在本文中，我們將探討如何使用 Xpdf 命令行工具在 C++ 中讀取 PDF 文件。 Xpdf 提供一系列用於處理 PDF 文件的工具，包括提取文本內容。 通過將 Xpdf 集成到 C++ 程式中，我們可以從 PDF 文件中提取文本並以程式化方式進行處理。

Xpdf - 命令列工具

Xpdf是一個開源軟體套件，提供一系列工具和庫以處理PDF。(可攜式文件格式)檔案。 Xpdf 套件包含若干命令行工具和 C++ 库，提供多種與 PDF 相關的功能，例如解析、渲染、文字提取等。 Xpdf 的一些關鍵組件包括 pdfimages、pdftops、pdfinfo 和 pdfimages。 在這裡，我們將使用 pdftotext 來閱讀 PDF 文件。

pdftotext 是一個命令行工具，可以從 PDF 文件中提取文本內容，並將其輸出為純文本。 該工具在需要從 PDF 中提取文本信息以進行進一步處理或分析時特別有用。 使用選項，您還可以指定要提取文字的頁面或頁數。

先決條件

要製作一個提取文本的 PDF 閱讀器項目，我們需要滿足以下先決條件：

1. 您的系統上安裝了 C++ 編譯器，例如 GCC 或 Clang。 您可以使用任何支援 C++ 程式設計的 IDE。

2. 在系統上安裝的 Xpdf 命令列工具。 Xpdf 是一個 PDF 工具集，可以從 Xpdf 網站獲取。從Xpdf 網站. 將 Xpdf 的 bin 目錄設置在環境變量路徑中，以便可以從任何地方使用命令行工具訪問它。

在 C++ 中讀取 PDF 文件格式的步驟

步驟1 包含必要的標頭檔

首先，讓我們在 main.cpp 文件的頂部添加必要的頭文件：

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

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

步驟 2 撰寫 C++ 程式碼

讓我們編寫 C++ 代碼來調用 Xpdf 命令行工具，從 PDF 文檔中提取文本內容。 我們將使用以下的 input.pdf 文件：

代碼範例如下：

// Include C library
#include <cstdlib>
#include <iostream>
#include <fstream>
#include <cstdio>

using namespace std;

int main() {
    string pdfPath = "input.pdf";
    string outputFilePath = "output.txt";

    string command = "pdftotext " + pdfPath + " " + outputFilePath;
    int status = system(command.c_str());

    if (status == 0) {
        cout << "Text extraction successful." << endl;
    } else {
        cout << "Text extraction failed." << endl;
        return 1;
    }

    ifstream outputFile(outputFilePath);
    if (outputFile.is_open()) {
        string textContent;
        string line;
        while (getline(outputFile, line)) {
            textContent += line + "\n";
        }
        outputFile.close();

        cout << "Text content extracted from PDF document:" << endl;
        cout << textContent << endl;
    } else {
        cout << "Failed to open output file." << endl;
        return 1;
    }

    return 0;
}

// Include C library
#include <cstdlib>
#include <iostream>
#include <fstream>
#include <cstdio>

using namespace std;

int main() {
    string pdfPath = "input.pdf";
    string outputFilePath = "output.txt";

    string command = "pdftotext " + pdfPath + " " + outputFilePath;
    int status = system(command.c_str());

    if (status == 0) {
        cout << "Text extraction successful." << endl;
    } else {
        cout << "Text extraction failed." << endl;
        return 1;
    }

    ifstream outputFile(outputFilePath);
    if (outputFile.is_open()) {
        string textContent;
        string line;
        while (getline(outputFile, line)) {
            textContent += line + "\n";
        }
        outputFile.close();

        cout << "Text content extracted from PDF document:" << endl;
        cout << textContent << endl;
    } else {
        cout << "Failed to open output file." << endl;
        return 1;
    }

    return 0;
}

程式碼說明

在上述代碼中，我們定義了 pdfPath 變量來保存輸入 PDF 文件的路徑。請確保將其替換為您實際輸入 PDF 文件的適當路徑。

我們還定義了 outputFilePath 變數，以保存將由 Xpdf 生成的輸出文字檔案的路徑。

程式碼使用 system 函數執行 pdftotext 命令，將輸入的 PDF 檔案路徑和輸出文字檔案路徑作為命令行參數傳遞。 status 變數捕捉命令的退出狀態。

如果 pdftotext 成功執行(由狀態為0表示)，我們使用 ifstream 開啟輸出文本檔案。 然後，我們逐行讀取文本內容，並將其存儲在 textContent 字符串中。

最後，我們將從生成的輸出文件中將提取的文本內容輸出到控制台。 如果您不需要可編輯的輸出文本檔或想要釋放硬碟空間，可以在程式結束之前使用以下命令刪除它：

remove(outputFilePath.c_str());

remove(outputFilePath.c_str());

第 3 步：編譯和運行程式

編譯 C++ 代碼並運行可執行檔案。 如果將 pdftotext 新增到環境變數系統路徑，其命令將成功執行。 該程式生成輸出文本檔案並從 PDF 文件中提取文本內容。 提取的文本隨後顯示在控制台上。

輸出的結果如下

用 C# 讀取 PDF 檔案

IronPDF 資料庫

IronPDF C# 程式庫概述是一個受歡迎的 C# PDF 庫，提供強大的功能來處理 PDF 文件。 它讓開發人員能程式化地創建、編輯、修改和閱讀 PDF 文件。

使用 IronPDF 庫閱讀 PDF 文件是一個簡單的過程。 該庫提供各種方法和屬性，使開發人員能夠從 PDF 頁面提取文字、圖像、元數據和其他數據。 提取的信息可以用於進一步的處理、分析或在應用程序中顯示。

以下的程式碼範例將使用 IronPDF 讀取 PDF 文件:

// Rendering PDF documents to Images or Thumbnails
using IronPdf;
using IronSoftware.Drawing;
using System.Collections.Generic;

// Extracting Image and Text content from Pdf Documents

// open a 128 bit encrypted PDF
var pdf = PdfDocument.FromFile("encrypted.pdf", "password");

// Get all text to put in a search index
string text = pdf.ExtractAllText();

// Get all Images
var allImages = pdf.ExtractAllImages();

// Or even find the precise text and images for each page in the document
for (var index = 0 ; index < pdf.PageCount ; index++)
{
    int pageNumber = index + 1;
    text = pdf.ExtractTextFromPage(index);
    List<AnyBitmap> images = pdf.ExtractBitmapsFromPage(index);
    //...
}

// Rendering PDF documents to Images or Thumbnails
using IronPdf;
using IronSoftware.Drawing;
using System.Collections.Generic;

// Extracting Image and Text content from Pdf Documents

// open a 128 bit encrypted PDF
var pdf = PdfDocument.FromFile("encrypted.pdf", "password");

// Get all text to put in a search index
string text = pdf.ExtractAllText();

// Get all Images
var allImages = pdf.ExtractAllImages();

// Or even find the precise text and images for each page in the document
for (var index = 0 ; index < pdf.PageCount ; index++)
{
    int pageNumber = index + 1;
    text = pdf.ExtractTextFromPage(index);
    List<AnyBitmap> images = pdf.ExtractBitmapsFromPage(index);
    //...
}

IRON VB CONVERTER ERROR developers@ironsoftware.com

如需有關如何閱讀 PDF 文件的更多詳細資訊，請造訪IronPDF C# PDF 閱讀指南.

結論

在本文中，我們學習了如何使用 Xpdf 命令行工具在 C++ 中讀取 PDF 文件的內容。 透過將 Xpdf 整合到 C++ 程式中，我們可以在短短一秒內以程式設計方式從 PDF 檔案中提取文本內容。 此方法使我們能夠在 C++ 應用程式中處理和分析提取的文本。

探索 IronPDF是強大的 C# 程式庫，可以輕鬆讀取和操作 PDF 檔案。 其廣泛的功能、易於使用以及可靠的渲染引擎，使其成為在 C# 專案中處理 PDF 文件的開發者的熱門選擇。

IronPDF 在開發階段是免費的並提供一個商業用途免費試用. 除此之外，它需要是授權用於商業目的.