有没有一个C++库可以从PDF文件中提取文本,比如PDFBox for Java



去年,我用PDFBox在Java中制作了一个应用程序,以获取一些PDF文件中的原始文本,现在我需要将该应用程序移植到C++。

我想知道什么是最好的C++替代方案来完成我需要的东西。

如果有帮助的话,我会举一个例子:

大多数文件将如下所示:http://www.jumbala.net/backup/league.pdf

使用PDFBox,使用该文件,在第2页和第3页的大部分时间读取的每一行都将输出一行的所有数据,用空格分隔,而不是像现在这样将其保留在网格中。

因此,第2页中的第一行相关内容如下:

FB 847 - Tremblay, Gérard 179,63 56 16167 90 268 s27 p3 669 s14 199 223 193 615

或者类似的东西,因为它们的出现顺序有微小的变化,但我不在乎,只要类似的行输出相同,因为我只是解析它们,并将我需要的值放入不同的变量中。

那么,知道了所有这些,有没有一个库可以在C++程序中使用,以获得类似的结果?

编辑:在上查看了sacredFaith的链接后http://www.codeproject.com/Articles/7056/Code-to-extract-plain-text-from-a-PDF-file尝试一下,我得到了一个奇怪的输出,就像我前面提到的示例文件:

http://www.jumbala.net/backup/league.pdf.txt

我真正需要的部分是开头那些奇怪的角色。使用Adobe Acrobat Reader X并使用"另存为…文本"(可访问),我得到以下结果:

http://www.jumbala.net/backup/league_good.pdf.txt

这大约是我在Java中使用PDFBox得到的,也是我希望在C++中得到的输出。

Xpdf是一个C++应用程序/库,其中包括从PDF文件中提取纯文本的工具。

因为这就是您想要的:PoDoFo是用于解析/读取/修改或创建pdf文件的C++库。图书馆是跨平台的。

我从未使用过以下内容,但在谷歌搜索后我发现:

http://www.codeproject.com/Articles/7056/Code-to-extract-plain-text-from-a-PDF-file

最新更新