使用Foxit SDK提取文本格式pdf

Question

我使用Foxit从Pdf文档中提取文本。

一切都很好，但是当我用其他语言而不是英语提取pdf时，我没有得到正确的输出。

我也在java中使用过PDFBox，但这给了我最糟糕的输出，Foxit的输出要比PDFBox好。

还有其他图书馆可以解决这个问题吗？或者还有其他的解决办法。

Answer 1

就你个人而言，如果你想把它做好，你必须为此付出代价。ComponentOne有一个用于WPF的PDFViewer。不确定您使用的是哪个框架，因为您的标记缺少一个。

用于WPF的ComponentOne PDF查看器

Answer 2

您可能需要尝试Quick库的试用版，以了解它如何在文档上执行。http://www.quickpdflibrary.com

QP.GetPageText(7)或GetPageText(8)为大多数PDF文件返回了相当好的结果。

安德鲁。

免责声明:我为Quick库做了一些咨询工作。

Answer 3

如果您在windows上，可以使用adobe提供的IFilter。我使用了adobe阅读器8提供的IFilter adobe。

http://www.codeproject.com/Articles/13391/Using-IFilter-in-C

演出还不错(我想。我没有使用过很多其他方法)。400页PDF大约需要15秒。