C# 提取PDF文本和图片

任务要求：

1. 提取PDF文档中的文本
2. 提取PDF文档中的图片

所需工具：

• Free Spire.PDF for .NET 4.3 （免费版）

实现代码：

【示例 1 】提取文本

using Spire.Pdf;
using System;
using System.IO;
using System.Text;

namespace ExtractText
{
    class Program
    {
        static void Main(string[] args)
        {
            //加载文档
            PdfDocument document = new PdfDocument();
            document.LoadFromFile("测试文档.pdf");

            //实例化StringBuilder类，获取文本
            StringBuilder content = new StringBuilder();
            content.Append(document.Pages[0].ExtractText());

            //保存提取后的文本内容到.txt文档
            String fileName = "TextFromPDF.txt";
            File.WriteAllText(fileName, content.ToString());
            System.Diagnostics.Process.Start("TextFromPDF.txt");
        }
    }
}

文本提取效果：

【示例 2 】提取图片

using System;
using System.Collections.Generic;
using System.Text;
using System.Drawing;
using Spire.Pdf;

namespace ExtractImagesFromPDF
{
    class Program
    {
        static void Main(string[] args)
        {
            //实例化PdfDocument类，并加载测试文档
            PdfDocument doc = new PdfDocument(); 
            doc.LoadFromFile("测试文档.pdf");

            //实例化List类
            List<Image> ListImage = new List<Image>();
            for (int i = 0; i < doc.Pages.Count; i++)
            {
                // 获取 Spire.Pdf.PdfPageBase类对象
                PdfPageBase page = doc.Pages[i];
                // 提取图片
                Image[] images = page.ExtractImages();
                if (images != null && images.Length > 0)
                {
                    ListImage.AddRange(images);
                }

            }
            if (ListImage.Count > 0)
            {
                for (int i = 0; i < ListImage.Count; i++)
                {
                    Image image = ListImage[i];
                    image.Save("image" + (i + 1).ToString() + ".png", System.Drawing.Imaging.ImageFormat.Png);
                }
                System.Diagnostics.Process.Start("image1.png");
            }
        }
    }
}

图片提取效果：