PDF에서 텍스트를 추출하는 데 유용한 라이브러리가 있습니까? 나는해야한다면 그것을 지불 할 용의가있다.C# 또는 고전적인 ASP (VBScript)를 사용하여 PDF에서 텍스트를 추출하는 좋은 방법은 무엇입니까?
C# 또는 고전적인 ASP (VBScript)에서 작동하는 것이 이상적 일 수 있으며 페이지와 PDF를 분리 할 수 있어야합니다.
This question은 특히 pdftotext과 같은 흥미로운 내용이 있지만 가능한 경우 외부 명령 줄 앱을 호출하는 것을 피하고 싶습니다.
Windows에 내장 된 IFilter 인터페이스를 사용하여 지원되는 모든 파일 형식에서 텍스트 및 속성 (작성자, 제목 등)을 추출 할 수 있습니다. COM 인터페이스이므로 .NET interop 기능을 사용해야합니다.
Adobe에서 무료 PDF IFilter 드라이버를 다운로드해야합니다.
여기 좋은 목록입니다 Open Source Libs for PDF/C#
이들의 대부분은 PDF를 생성하는 방향으로 준비되어 있습니다,하지만 그들은뿐만 아니라 기능을 읽을 수 있어야합니다.
뿐만 아니라이 하나있다 : iText
난 단지 전에 iText를 연주했다가. 전공이 없습니다.
우리는 Aspose을 사용해 좋은 결과를 얻었습니다.
Docotic.Pdf library은 PDF 문서에서 형식이 지정된 텍스트 또는 일반 텍스트를 추출하는 데 사용할 수 있습니다.
라이브러리는 모든 버전의 PDF 문서를 읽을 수 있습니다 (최신 공개 표준까지). 페이지 추출은 라이브러리에서도 지원됩니다.
면책 조항 :
링크 코드 샘플 나는 라이브러리의 공급 업체에 대한 작동합니다. 승인 된 대답에에
추가 :이 텍스트 인덱싱을위한 어도비 IFilter를 대체 할 대안 상용 솔루션도있다 (유사한 API를 제공하는이 또한 추가 프리미엄 기능을 제공) :
클래식 ASP 또는 VB6와 같은 관리 .NET 애플리케이션과 기존의 프로그래밍 언어에서 모두 사용할 수있는 단일 도구를 찾고 있다면 다음이는 .NET 및 ActiveX를 모두 제공으로 상업 ByteScout PDF Extractor SDK이 딱 맞는 곳이다/COM API.
면책 조항 : ByteScout에 근무