阅读包含所有格式信息的现有PDF文件

Question

我想阅读现有的PDF文件，不仅要获取文本，还要获取格式信息，如：Font（Bold，Italic ...）和段落......是否有用于执行此操作的代码库，是它是开源还是商业？

我在Windows上并且喜欢C＃库，但C / C ++也是可以接受的。

Answer 1

我非常推荐 pdflib（http://www.pdflib.com/）。 它的商业广告，但它也有一个精简版本，你可以私下免费使用。它包含非常多的功能，适用于所有平台。

Answer 2

我会回应迈耶斯先生。似乎有很多;在您最喜欢的搜索引擎中搜索“pdf解析器库”（加上您的语言）。

一些热门歌曲：

http://www.lowagie.com/iText/

http://metacpan.org/pod/PDF::Parse

http://podofo.sourceforge.net/

http://www.vicman.net/download/13733/（几个用于.NET）

请注意，如果您要编辑现有PDF，可能需要阅读：

http://1t3xt.info/tutorials/faq.php?branch=faq.pdf_in_general&node=replace_word

Answer 3

Pdfium.Net SDK也可以为您提供帮助。通过此API，您可以访问文本，图像和其他对象及其属性的集合。 请注意，我在开发此API的公司工作。