LIMS系统仪器数据采集-使用xpdf解析pdf内容

用户1637609

发布于 2018-04-12 07:41:10

1.8K00

代码可运行

文章被收录于专栏：马洪彪马洪彪

运行总次数：0

代码可运行

不同语言解析PDF内容都有各自的库，比如Java的pdfbox，.net的itextsharp。

c#解析PDF文本，关键代码可参考：

http://www.cnblogs.com/mahongbiao/p/7652788.html

此外也可使用OCR，关键代码可参考：

http://www.cnblogs.com/mahongbiao/p/3760867.html

这些类库解析PDF文本有一个弊端，就是可配置性不强，它们多数是用于PDF文件生成的，对于PDF文本内容的提取仅提供一两个函数供调用。

解析PDF文本，可使用xpdf，该工具为一命令行工具，因此可通过java或.net调用命令行执行。

c#调用示例代码：

 1             Process p = new Process();
 2             p.StartInfo.FileName = @"pdftotext.exe";
 3             p.StartInfo.UseShellExecute = false;
 4             p.StartInfo.RedirectStandardInput = true;
 5             p.StartInfo.RedirectStandardOutput = true;
 6             p.StartInfo.RedirectStandardError = true;
 7             p.StartInfo.CreateNoWindow = true;
 8             p.Start();
 9             p.StandardInput.WriteLine("test.pdf test.txt");
10             p.StandardInput.AutoFlush = true;
11             p.WaitForExit();
12             p.Close();