PdfExtractor

概述

PdfExtractor 是 Aspose.PDF FOSS 中用于 .NET 的类。继承自：IDisposable。

用于从 PDF 文档中提取文本和图像的门面。

此类提供了 29 个方法，用于在 .NET 程序中处理 PdfExtractor 对象。可用的方法包括：BindPdf、Close、Dispose、ExtractAttachment、ExtractImage、ExtractText、GetAttachNames、GetAttachment、GetAttachmentInfo、GetNextImage、GetNextPageText、GetText，以及另外 3 个方法。安装 Aspose.PDF FOSS for .NET 包后，所有公共成员对任何 .NET 应用程序均可访问。属性：EndPage、ExtractImageMode、ExtractTextMode、IsBidi、Password、Resolution，以及另外 2 个。

属性

名称	类型	访问	描述
`StartPage`	`int`	读写	提取的起始页（从1开始）。
`EndPage`	`int`	读写	提取的结束页（从1开始）。
`ExtractTextMode`	`int`	读写	文本提取模式。
`ExtractImageMode`	`ExtractImageMode`	读写	图像提取策略。
`Resolution`	`int`	读写	图像提取的渲染分辨率（DPI）。
`IsBidi`	`bool`	读取	当最近提取的文本包含从右到左的脚本序列（希伯来语、阿拉伯语、叙利亚语、塔那语等），即为真。
`Password`	`string?`	读写	绑定加密 PDF 时使用的密码。
`TextSearchOptions`	`Aspose.Pdf.Text.TextSearchOptions`	读写	在 ExtractText() 期间应用的文本搜索选项。

方法

签名	描述
`PdfExtractor()`	在此 PdfExtractor 实例上调用 PdfExtractor。
`PdfExtractor(document: Document)`	在此 PdfExtractor 实例上调用 PdfExtractor(document)。
`BindPdf(inputFile: string)`	在此 PdfExtractor 实例上调用 BindPdf(inputFile)。
`BindPdf(document: Document)`	在此 PdfExtractor 实例上调用 BindPdf(document)。
`BindPdf(inputStream: Stream)`	在此 PdfExtractor 实例上调用 BindPdf(inputStream)。
`ExtractText()`	使用 TextAbsorber 遍历绑定文档的每一页，并将提取的文本连接起来。
`ExtractText(outputFile: string)`	从绑定的 PDF 中提取文本并保存到指定文件（UTF-16 LE 字节）。
`ExtractText(encoding: Encoding)`	使用给定的编码从绑定的 PDF 中提取文本。
`GetText(outputStream: Stream)`	将提取的文本以字节形式写入 outputStream，使用最近一次 ExtractText(Encoding) 调用设置的编码（默认是 UTF-16 LE）。
`GetText(outputStream: Stream, filterNotAscii: bool)`	将提取的文本以字节形式写入，可选地先删除非 ASCII 码点。
`GetText(outputFile: string)`	将提取的文本写入给定的文件路径。
`HasNextPageText()`	如果通过 GetNextPageText 可以获取到另一页的文本，则为 true。
`GetNextPageText(outputFile: string)`	将下一页的文本写入给定的文件路径（UTF-16 LE 字节）。
`GetNextPageText(outputStream: Stream)`	将下一页的文本写入给定的流（UTF-16 LE 字节）。
`ExtractImage()`	在此 PdfExtractor 实例上调用 ExtractImage。
`ExtractImage(outputDirectory: string)`	将每个图像提取到给定目录，JPEG 源使用 image_N.jpg 命名文件，其他情况使用 image_N.png。
`HasNextImage()`	当 GetNextImage(string) 仍有未写入的图像时为 true。
`GetNextImage(outputStream: Stream)`	在此 PdfExtractor 实例上调用 GetNextImage(outputStream)。
`GetNextImage(outputFile: string)`	在此 PdfExtractor 实例上调用 GetNextImage(outputFile)。
`GetNextImage(outputStream: Stream, format: System.Drawing.Imaging.ImageFormat)`	在此 PdfExtractor 实例上调用 GetNextImage(outputStream, format)。
`GetNextImage(outputFile: string, format: System.Drawing.Imaging.ImageFormat)`	在此 PdfExtractor 实例上调用 GetNextImage(outputFile, format)。
`ExtractAttachment()`	选择绑定文档中的所有嵌入文件；随后使用 GetAttachment(string) 将它们全部写入。
`ExtractAttachment(attachmentFileName: string)`	按名称选择单个嵌入文件进行提取。
`GetAttachNames()`	绑定文档中每个嵌入文件的名称。
`GetAttachmentInfo()`	FileSpecification 条目对应绑定文档中的每个嵌入文件。
`GetAttachment()`	返回所选附件的内容，格式为 MemoryStreams（未明确选择时返回所有附件）。
`GetAttachment(outputPath: string)`	将所选附件（未明确选择时为全部）写入 outputPath 目录，每个附件为一个文件，文件名使用其原始文件名。
`Close()`	对该 PdfExtractor 实例调用 Close 方法。
`Dispose()`	对该 PdfExtractor 实例调用 Dispose 方法。

另请参阅

Aspose.PDF for .NET — Enterprise API Reference