[習題]ASP.NET 讀取 PDF檔案、轉成 TXT文字檔

摘要:[習題]ASP.NET 讀取 PDF檔案、轉成 TXT文字檔

 

[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;

01 using System;
02
03 using System.Configuration;
04
05 using System.Data;
06
07 using System.Linq;
08
09 using System.Web;
10
11 using System.Web.Security;
12
13 using System.Web.UI;
14
15 using System.Web.UI.HtmlControls;
16
17 using System.Web.UI.WebControls;
18
19 using System.Web.UI.WebControls.WebParts;
20
21 using System.Xml.Linq;
22
23   
24
25 //=======================
26
27 //== 本範例 資料來源: http://blog.csdn.net/yezi2413/archive/2008/10/23/3132074.aspx
28
29 using System.IO;
30
31 using System.Text;
32
33   
34
35 using org.pdfbox.pdmodel;  //-- 由此下載 http://sourceforge.net/projects/pdfbox/files/
36
37 using org.pdfbox.util;

38
39 //=======================
40
41   
42
43 public partial class _Default : System.Web.UI.Page  
44
45 {
46
47     protected void Page_Load(object sender, EventArgs e)
48     {
49
50         FileInfo pdffile = new FileInfo("c:\\mis2000lab_example.pdf");
51
52         //-- 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   
59
60         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
70     }

71
72
73     public void pdf2txt(FileInfo file, FileInfo txtfile)
74     {
75         PDDocument doc = PDDocument.load(file.FullName);
76
77         PDFTextStripper pdfStripper = new PDFTextStripper();
78
79         string text = pdfStripper.getText(doc);
80
81         StreamWriter swPdfChange = new StreamWriter(txtfile.FullName, false, Encoding.GetEncoding(65001));
82
83         swPdfChange.Write(text);
84         swPdfChange.Close();
85     }

86
87 }

 

 

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。

01                 //-- StreamReader
02                 //-- http://msdn.microsoft.com/zh-tw/library/system.io.streamreader.aspx
03
04                 //-- StreamReader
05                 //-- http://msdn.microsoft.com/zh-tw/library/system.io.streamreader.aspx
06
07 using (StreamReader sr = new StreamReader(pdffile.FullName, Encoding.GetEncoding(65000)))
08                 {
09                     string line = null;
10
11                     while ((line = sr.ReadLine()) != null)
12                     {
13                         Label1.Text = Label1.Text + line;
14                     }

15
16                 }

 

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

 

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,遠距教學 (Web Form 49hr)  https://dotblogs.com.tw/mis2000lab/2016/02/01/aspnet_online_learning_distance_education_VS2015

線上課程,遠距教學 (ASP.NET MVC 75hr)  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)

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

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

[遠距教學、教學影片] ASP.NET (Web Form) 課程 上線了!MIS2000Lab.主講

事先錄製好的影片,並非上課時側錄!   觀看影片時,有如我「一對一」跟您面對面講課

 

ASP.NET MVC 5 線上教學

累積時數約 75小時...... 第一天(5.5小時)完整內容,"免費"讓您評估