C# 实现从PDF文档的指定区域内提取文本

有时候我们可能想获取PDF文档中某个指定区域内的文本而不是全部的文本，因此这篇文章将介绍一个针对该需求的解决方案，该方案所使用的组件是Spire.PDF。它不仅支持获取PDF文档中指定矩形区域内的文本，还支持获取指定页面或全部页面内的文本和图片。

下面是本方案所使用的示例文档截图，接下来我将使用Spire.PDF组件获取选中区域内的文本。

首先创建一个C#控制台应用程序，引用Spire.Pdf.dll到工程中并添加以下命名空间：

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

详细步骤如下：

步骤1：创建一个PdfDocument类的实例并加载PDF文档。

PdfDocument pdf = new PdfDocument();
pdf.LoadFromFile("Input.pdf");

步骤2：获取第一页。

PdfPageBase page =pdf.Pages[0];

步骤3：从第一页的指定矩形区域内提取文本，并保存到一个txt文件中。该矩形区域通过X Y坐标以及宽度和高度指定。

string text = page.ExtractText(newRectangleF(50, 50, 500, 100));
 
StringBuilder sb = new StringBuilder();
sb.AppendLine(text);
File.WriteAllText("Extract.txt",sb.ToString()); 

           

运行效果：

完整代码：

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

namespace Extract_text_from_given_rectangle_in_PDF
{
    class Program
    {
        static void Main(string[] args)
        {
            //创建PdfDocument实例
            PdfDocument pdf = new PdfDocument();
            //加载PDF文档
            pdf.LoadFromFile("Input.pdf");
 
            //获取第一页
            PdfPageBase page = pdf.Pages[0];
 
            //从第一页的指定矩形区域内提取文本
            string text = page.ExtractText(new RectangleF(50, 50, 500, 100) );
 
            //保存文本到.txt文件
            StringBuilder sb = new StringBuilder();
            sb.AppendLine(text);
            File.WriteAllText("Extract.txt", sb.ToString());
        }
    }
}