使用Foxit SDK提取pdf格式的文本

Question

我正在使用Foxit SDK从Pdf文档中提取文本。

一切都还可以，但当我用其他语言而不是英语提取pdf时，我不会得到正确的输出。

我也在java中使用过PDFBox，但这给了我最差的输出，Foxit SDK的输出比PDFBox更好。

有其他图书馆可以解决这个问题吗。。？或者还有其他解决方案。

Answer 1

就个人而言，如果你想把它做好，你必须为此付费。ComponentOne有一个用于WPF的PDFViewer。不确定你使用的是什么框架，因为你的标签缺少一个。

用于WPF 的ComponentOne PDF查看器

Answer 2

您可能想尝试Quick PDF Library的试用版，看看它在文档上的表现。http://www.quickpdflibrary.com

对于大多数PDF文件，QP.GetPageText（7）或GetPageText（8）都会返回非常好的结果。

安德鲁。

免责声明：我为Quick PDF Library做一些咨询工作。

Answer 3

如果你在windows上，你可以使用adobe提供的IFilter。我使用了adobe随adobe阅读器8提供的IFilter。这是我使用的确切示例的链接

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

表现还可以（我想。我没有用过很多其他方法）。一个400页的PDF大约需要15秒。