在.NET Core 2.0/2.1上,可以使用Bytescout.PDFExtractor库来提取PDF中的文本和图像。
下面是一个使用Bytescout.PDFExtractor的示例代码:
using Bytescout.PDFExtractor;
class Program
{
static void Main(string[] args)
{
// 创建一个新的PDFExtractor对象
using (PDFExtractor extractor = new PDFExtractor())
{
// 设置许可证密钥(可在Bytescout帐户中找到)
extractor.RegistrationName = "YOUR_REGISTRATION_NAME";
extractor.RegistrationKey = "YOUR_REGISTRATION_KEY";
// 加载PDF文件
extractor.LoadDocumentFromFile("input.pdf");
// 设置提取选项
extractor.OCRMode = OCRMode.Auto;
extractor.OCRLanguageDataFolder = @"C:\Program Files\Bytescout PDF Extractor SDK\ocrdata";
extractor.OCRLanguage = "eng";
// 提取文本和图像
extractor.SaveTextToFile("output.txt");
extractor.SaveImagesToFolder("output_images");
// 释放资源
extractor.Dispose();
}
}
}
请确保已安装Bytescout.PDFExtractor NuGet包。如果没有安装,请在Visual Studio中右键单击项目,选择“Manage NuGet Packages”,搜索“Bytescout.PDFExtractor”,然后安装它。
在代码中,你需要将"YOUR_REGISTRATION_NAME"和"YOUR_REGISTRATION_KEY"替换为你的Bytescout帐户的许可证密钥。你还需要将"input.pdf"替换为要提取的PDF文件的路径。
提取的文本将保存在名为"output.txt"的文件中,提取的图像将保存在名为"output_images"的文件夹中。
这是使用Bytescout.PDFExtractor库在.NET Core 2.0/2.1上提取PDF内容的基本步骤。