如何在C++中讀取PDF檔案

PDF（可攜式文件格式）文件廣泛用於文件交流，能夠以程式化方式讀取其內容在各種應用中都很有價值。 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 是一套開源軟體套件，提供了一系列工具和庫，用於處理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的一些主要組件包括pdfimages、pdftops、pdfinfo和pdfimages。 在這裡，我們將使用pdftotext來讀取 PDF 文件。

pdftotext 是一個命令列工具，用於從 PDF 檔案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 是一組可以從 Xpdf 網站獲取的 PDF 工具。從 Xpdf 網站 下載。 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

在上述程式碼中，我們定義了pdfPath變數來保存輸入 PDF 文件的路徑。請確保將其替換為實際輸入 PDF 文件的適當路徑。

我們還定義了outputFilePath變數來保存將由Xpdf生成的輸出文本文件的路徑。

該代碼使用 system 函數執行 pdftotext 命令，將輸入 PDF 文件路徑和輸出文本文件路徑作為命令行參數傳遞。 status 變數捕獲命令的退出狀態。

如果 pdftotext 成功執行（狀態為 0），我們就會使用 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添加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 Library

IronPDF C# Library Overview 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。

以下代碼範例將使用IronPDF來讀取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

如需有關如何讀取 PDF 文檔的更詳細信息，請訪問IronPDF C# PDF 讀取指南。

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 是一個強大的 C# 程式庫，可以幫助讀取和操作 PDF 文件。 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 在開發中免費供應並提供商業使用的免費試用。 除此之外，它需要取得商業用途授權。