C# ConfigureAwait（對開發者如何理解的工作）
PDF（可攜式文件格式）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程式中非常有價值。 以下程式庫可以用來在C++中讀取PDF：Poppler、MuPDF、Haru免費PDF程式庫、Xpdf和Qpdf。
在這篇文章中，我們將探討如何使用Xpdf命令列工具在C++中讀取PDF檔案。 Xpdf提供了一系列用於處理PDF檔案的工具，包括提取文字內容。 透過將Xpdf整合到C++程式中，我們可以從PDF檔案中提取文字並以程式方式進行處理。
Xpdf - 命令行工具
Xpdf 是一個開源軟體套件，提供了一組工具和程式庫，用於處理PDF（可攜式文件格式）檔案。 Xpdf套件包含了數個命令行工具和C++程式庫，可以實現各種PDF相關功能，例如解析、渲染、文字提取等。 Xpdf的一些主要元件包括pdfimages、pdftops、pdfinfo和pdftotext。 在這裡，我們將使用pdftotext來讀取PDF文件。
pdftotext是一個命令行工具，可以從PDF檔案中提取文字內容並將其輸出為純文字。 當您需要從PDF中提取文字訊息進行後續處理或分析時，此工具特別有用。 使用選項，您還可以指定從哪一頁或哪幾頁提取文字。
先決條件
為了製作一個提取文字的PDF閱讀器專案，我們需要準備以下先決條件：
- 在系統上安裝的C++編譯器，例如GCC或Clang。 您可以使用任何支持C++編程的IDE。
- 在您的系統上安裝Xpdf命令行工具。 Xpdf是一組PDF工具，可以從Xpdf網站獲得。可從Xpdf網站下載它。 在環境變數路徑中設置Xpdf的bin目錄，以便可以從任何地方使用命令行工具存取它。
在C++中讀取PDF文件格式的步驟
步驟1：包括必要的標頭
首先，讓我們在我們的main.cpp檔案頂部新增必要的標頭檔案：
#include <cstdlib> // For system call
#include <iostream> // For basic input and output
#include <fstream> // For file stream operations#include <cstdlib> // For system call
#include <iostream> // For basic input and output
#include <fstream> // For file stream operations步驟2：編寫C++程式碼
讓我們編寫C++程式碼，調用Xpdf命令行工具來從PDF文件中提取文字內容。 我們將使用以下input.pdf檔案：
程式碼範例如下所示：
#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
}程式碼說明
在上述程式碼中，我們定義了pdfPath變數以保存輸入PDF文件的路徑。請確保用實際的輸入PDF文件路徑替換它。
我們還定義了outputFilePath變數來保存Xpdf生成的輸出文字檔案路徑。
程式碼使用pdftotext命令，將輸入PDF文件路徑和輸出文字檔案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ifstream打開輸出文字檔案。 然後，我們逐行讀取文字內容並將其儲存在textContent字串中。
最後，我們將從生成的輸出文件中提取的文字內容輸出到控制台。 如果您不需要可編輯的輸出文字文件或希望釋放磁碟空間，則在結束主函式之前使用以下命令簡單地刪除它：
remove(outputFilePath.c_str());remove(outputFilePath.c_str());步驟3：編譯和運行程式
編譯C++程式碼並執行可執行文件。 如果pdftotext已新增到環境變數系統路徑，其命令將成功執行。 程式會生成輸出文字文件，並從PDF檔案中提取文字內容。 提取的文字然後顯示在控制台上。
輸出如下所示
在C#中讀取PDF文件
IronPDF程式庫
IronPDF 是一個受歡迎的C# PDF程式庫，提供強大的功能以處理PDF文件。 它使開發者能夠以程式方式建立、編輯、修改和讀取PDF文件。
使用IronPDF程式庫讀取PDF文件是一個簡單的過程。 該程式庫提供各種方法和屬性，讓開發者可從PDF頁面中提取文字、圖片、中繼資料和其他資料。 提取的資訊可以用於進一步的處理、分析或應用程式內的顯示。
以下程式碼範例將使用IronPDF讀取PDF檔案：
// Import necessary namespaces
using IronPdf; // For PDF functionalities
using IronSoftware.Drawing; // For handling images
using System.Collections.Generic; // For using the List
// Example of extracting text and images from PDF using IronPDF
// Open a 128-bit encrypted PDF
var pdf = PdfDocument.FromFile("encrypted.pdf", "password");
// Get all text from the PDF
string text = pdf.ExtractAllText();
// Extract all images from the PDF
var allImages = pdf.ExtractAllImages();
// Iterate over each page to extract text and images
for (var index = 0; index < pdf.PageCount; index++) {
int pageNumber = index + 1;
text = pdf.ExtractTextFromPage(index);
List<AnyBitmap> images = pdf.ExtractBitmapsFromPage(index);
// Perform actions with text and images...
}// Import necessary namespaces
using IronPdf; // For PDF functionalities
using IronSoftware.Drawing; // For handling images
using System.Collections.Generic; // For using the List
// Example of extracting text and images from PDF using IronPDF
// Open a 128-bit encrypted PDF
var pdf = PdfDocument.FromFile("encrypted.pdf", "password");
// Get all text from the PDF
string text = pdf.ExtractAllText();
// Extract all images from the PDF
var allImages = pdf.ExtractAllImages();
// Iterate over each page to extract text and images
for (var index = 0; index < pdf.PageCount; index++) {
int pageNumber = index + 1;
text = pdf.ExtractTextFromPage(index);
List<AnyBitmap> images = pdf.ExtractBitmapsFromPage(index);
// Perform actions with text and images...
}' Import necessary namespaces
Imports IronPdf ' For PDF functionalities
Imports IronSoftware.Drawing ' For handling images
Imports System.Collections.Generic ' For using the List
' Example of extracting text and images from PDF using IronPDF
' Open a 128-bit encrypted PDF
Private pdf = PdfDocument.FromFile("encrypted.pdf", "password")
' Get all text from the PDF
Private text As String = pdf.ExtractAllText()
' Extract all images from the PDF
Private allImages = pdf.ExtractAllImages()
' Iterate over each page to extract text and images
For index = 0 To pdf.PageCount - 1
Dim pageNumber As Integer = index + 1
text = pdf.ExtractTextFromPage(index)
Dim images As List(Of AnyBitmap) = pdf.ExtractBitmapsFromPage(index)
' Perform actions with text and images...
Next index有關如何讀取PDF文件的更多詳細資訊，請存取 IronPDF C# PDF閱讀指南。
結論
在這篇文章中，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，我們可以在數秒內以程式方式從PDF文件中提取文字內容。 該方法使我們能夠在C++應用程式中處理和分析提取的文字。
IronPDF 是一個強大的C#程式庫，可用於讀取和操作PDF文件。 其豐富的功能、使用簡便性和可靠的渲染引擎使其成為C#專案中處理PDF文件的開發者的熱門選擇。
免費開始
免費開始
預訂免費直播演示
