iTextSharp 读取pdf代码,CSharp代码库,德仔网

代码语言
代码分类
【CSharp】 iTextSharp 读取pdf
作者:dezai / 发布于2014/1/26/ 451
iTextSharp 读取pdf
using System;
using System.Collections.Generic;
using System.ComponentModel;
using System.Data;
using System.Drawing;
using System.Linq;
using System.Text;
using System.Windows.Forms;
using iTextSharp;
using iTextSharp.text;
using iTextSharp.text.pdf;
using iTextSharp.text.xml;

namespace PDFR
{
 public partial class Form1 : Form
 {
 public Form1()
 {
 InitializeComponent();
 }



 //退出程序的按钮

 private void button2_Click(object sender, EventArgs e)
 {
 Application.Exit();
 }





 //开始运行程序的按钮
 private void button1_Click(object sender, EventArgs e)
 {
 string pdfStr = readPDF(文件名);
 System.IO.File.WriteAllText(文件名, pdfStr);
 }



 private string readPDF(string fn)
 {
 PdfReader p = new PdfReader(fn);
 //从每一页读出的字符串
 string str = String.Empty;
 //"[......]"内部字符串
 string subStr = String.Empty;
 //函数返回的字符串
 string rtStr = String.Empty;
 //从每一页读出的8位字节数组
 byte[] b = new byte[0];
 //"[","]","(",")"在字符串中的位置
 Int32 bg = 0, ed = 0, subbg = 0, subed = 0;

 //取得文档总页数
 int pg = p.NumberOfPages;

 for (int i = 1; i <= pg; i++)
 {
 bg = 0;
 ed = 0;

 Array.Resize(ref b, 0);
 //取得第i页的内容
 b = p.GetPageContent(i);

 //下一行是把每一页的取得的字节数据写入一个txt的文件,仅供研究时用
 //System.IO.File.WriteAllBytes(Application.StartupPath + "//P" + i.ToString() + ".txt", b);

 StringBuilder sb = new StringBuilder();

 //取得每一页的字节数组,将每一个字节转换为字符,并将数组转换为字符串
 for (int j = 0; j < b.Length; j++) sb.Append(Convert.ToChar(b[j]));
 str = sb.ToString();

 //循环寻找"["和"]",直到找不到"["为止
 while (bg > -1)
 {
 //取得下一个"["和"]"的位置
 bg = str.IndexOf("[", ed);
 ed = str.IndexOf("]", bg + 1);

 //如果没有下一个"["就跳出循环
 if (bg == -1) break;

 //取得一个"[]"里的内容,将开始寻找"("和")"的位置初始为0
 subStr = str.Substring(bg + 1, ed - bg - 1);
 subbg = 0;
 subed = 0;

 //循环寻找下一个"("和")",直到没有下一个"("就跳出循环
 while (subbg > -1)
 {
 //取得下一对"()"的位置
 subbg = subStr.IndexOf("(", subed);
 subed = subStr.IndexOf(")", subbg + 1);

 //如找不到下一对就跳出
 if (subbg == -1) break;
 //在返回字符串后面加上新找到的字符串
 rtStr += subStr.Substring(subbg + 1, subed - subbg - 1);
 }
 }
 }

 //PDF文档中读出来的数据没有换行符,可以根据需要把2个或3个连续的空格改成换行符
 rtStr = rtStr.Replace(" ", "/r/n");

 return rtStr;
 }

 }
}
读取一个24页的文件, 这个文件中不包含中文(包含中文的还需要支持中文的插件), 以下是第一页读取的字节数组:
BT
/F1 12 Tf
1 0 0 1 70.944 758.74 Tm
0 g
0 G
[(Re)6(ad)-3(in)-5(g 1)] TJ
ET
BT
1 0 0 1 122.66 758.74 Tm
[( )] TJ
ET
BT
/F2 10.56 Tf
1 0 0 1 70.944 743.86 Tm
[( )] TJ
ET
BT
/F3 12 Tf
1 0 0 1 70.944 727.78 Tm
[(W)103(arming)] TJ
ET
BT
试试其它关键字
　iTextSharp　
同语言下
可能有用的
dezai贡献的其它代码(1065)