[習題]ASP.NET 讀取 PDF檔案、轉成 TXT文字檔

2010-01-22

摘要:[習題]ASP.NET 讀取 PDF檔案、轉成 TXT文字檔

找了一下 Google，發現滿多人推薦 PDFBox（請由此下載 http://sourceforge.net/projects/pdfbox/files/）
它原本是 Java PDF Library，但也提供了 .NET可參考的 DLL檔，對於中文的支援也加入了。

======================================================
本範例資料來源: http://blog.csdn.net/yezi2413/archive/2008/10/23/3132074.aspx
特此感謝。
======================================================

首先，下載 PDFBox。

解壓縮之後，裡面有一個 \bin子目錄，就有 .NET可用的 DLL檔。
並且在 VS 2008裡面「加入參考」

只要加入這兩個，其他的都會自動添加。
IKVM.GNU.Classpath.dll
PDFBox-0.7.3.dll

別忘了，在程式裡面，自己加入這兩個 NameSpace喔！
using org.pdfbox.pdmodel;
using org.pdfbox.util;

using System;
02

using System.Configuration;
04

using System.Data;
06

using System.Linq;
08

using System.Web;
10

using System.Web.Security;
12

using System.Web.UI;
14

using System.Web.UI.HtmlControls;
16

using System.Web.UI.WebControls;
18

using System.Web.UI.WebControls.WebParts;
20

using System.Xml.Linq;
22

//=======================
26

//== 本範例資料來源: http://blog.csdn.net/yezi2413/archive/2008/10/23/3132074.aspx
28

using System.IO;
30

using System.Text;
32

using org.pdfbox.pdmodel; //-- 由此下載 http://sourceforge.net/projects/pdfbox/files/
36

using org.pdfbox.util;
38

//=======================
40

public partial class _Default : System.Web.UI.Page
44

{
46

protected void Page_Load(object sender, EventArgs e)
48

{
49

FileInfo pdffile = new FileInfo("c:\\mis2000lab_example.pdf");
51

//-- http://msdn.microsoft.com/zh-tw/library/system.io.fileinfo.aspx
53

// 以下所列都是可以接受的路徑：
54

// C# 中的 "c:\\MyDir\\MyFile.txt"，或 Visual Basic 中的 "c:\MyDir\MyFile.txt"。
55

// C# 中的 "c:\\MyDir"，或 Visual Basic 中的 "c:\MyDir"。
56

// C# 中的 "MyDir\\MySubdir"，或 Visual Basic 中的 "MyDir\MySubDir"。
57

// C# 中的 "\\\\MyServer\\MyShare"，或 Visual Basic 中的 "\\MyServer\MyShare"。
58

if (pdffile.Exists)
61

{
62

FileInfo file = new FileInfo("c:\\mis2000lab_example.txt");
63

pdf2txt(pdffile, file);
64

}
65

else
66

{
67

Response.Write("The File is NOT Exist.");
68

}
69

}
71

public void pdf2txt(FileInfo file, FileInfo txtfile)
74

{
75

PDDocument doc = PDDocument.load(file.FullName);
76

PDFTextStripper pdfStripper = new PDFTextStripper();
78

string text = pdfStripper.getText(doc);
80

StreamWriter swPdfChange = new StreamWriter(txtfile.FullName, false, Encoding.GetEncoding(65001));
82

swPdfChange.Write(text);
84

swPdfChange.Close();
85

}
86

}

Line 63 ---- 原作的範例，在pdf2txt(file, pdffile); 這個地方稍有問題，我修改為 pdf2txt(pdffile, file);

Line 81 ---- 程式中的編碼65001就是 utf-8，您也可以寫成
StreamWriter swPdfChange = new StreamWriter(txtfile.FullName, false, Encoding.GetEncoding("utf-8"));

============================================================================

原本第63行 pdf2txt(pdffile, file);，若改成以下的程式碼，
讀取出來會變成亂碼。

有人建議「還是乖乖轉成 txt文字檔，可以剃除掉 PDF檔案裡面包含的圖片」
上面的程式第63行 pdf2txt(pdffile, file);，就是將 PDF轉成 txt文字檔

就一切ok了。

//-- StreamReader
02

//-- http://msdn.microsoft.com/zh-tw/library/system.io.streamreader.aspx
03

//-- StreamReader
05

//-- http://msdn.microsoft.com/zh-tw/library/system.io.streamreader.aspx
06

using (StreamReader sr = new StreamReader(pdffile.FullName, Encoding.GetEncoding(65000)))
08

{
09

string line = null;
10

while ((line = sr.ReadLine()) != null)
12

{
13

Label1.Text = Label1.Text + line;
14

}
15

}

另外一個範例，請參閱

[微軟範例] iTextSharp.dll 將 GridView匯出 doc/access/csv/Excel/pdf/xml/html/text/print

我將思想傳授他人，他人之所得，亦無損於我之所有；

猶如一人以我的燭火點燭，光亮與他同在，我卻不因此身處黑暗。----Thomas Jefferson

線上課程教學，遠距教學 (Web Form 約51hr) https://dotblogs.com.tw/mis2000lab/2016/02/01/aspnet_online_learning_distance_education_VS2015

線上課程教學，遠距教學 (ASP.NET MVC 約75~88hr) https://dotblogs.com.tw/mis2000lab/2018/08/14/ASPnet_MVC_Online_Learning_MIS2000Lab

ASP.NET MVC線上課程第一天免費看 (5.5小時)

寫信給我，不要私訊 -- mis2000lab (at) yahoo.com.台灣 或 school (at) mis2000lab.net

ASP.NET遠距教學、線上課程（Web Form + MVC）。 第一天課程， "完整" 試聽。

................ facebook社團 https://www.facebook.com/mis2000lab ......................

................ YouTube (ASP.NET) 線上教學影片 https://www.youtube.com/channel/UC6IPPf6tvsNG8zX3u1LddvA/

Blog文章 "附的範例" 無法下載，請看 這裡 ...... https://dotblogs.com.tw/mis2000lab/2016/03/14/2008_2015_mis2000lab_sample_download

請看我們的「售後服務」範圍（嚴格認定）。

......................................................................................................................................................