PDF处理控件Aspose.PDF功能演示：使用C#实现PDF和TXT格式互转

Aspose.PDF 是一款高级PDF处理API，可以在跨平台应用程序中轻松生成，修改，转换，呈现，保护和打印文档。无需使用Adobe Acrobat。此外，API提供压缩选项，表创建和处理，图形和图像功能，广泛的超链接功能，图章和水印任务，扩展的安全控件和自定义字体处理。

Aspose API支持流行文件格式处理，并允许将各类文档导出或转换为固定布局文件格式和最常用的图像/多媒体格式。 

PDF文件之所以受欢迎，是因为它们支持文本，图像，动画，视频和许多其他注释。

但是，文本是大多数PDF文档中最重要的部分。在本文中，我们将使用C＃.NET将PDF转换为TXT文件，并将TXT文件转换为PDF格式。本文内容包括：

• 使用C＃或VB.NET将PDF转换为TXT文件而不进行格式化
• 使用C＃或VB.NET使用格式化例程将PDF转换为TXT文件
• 使用C＃或VB.NET以编程方式将TXT文件转换为PDF

目前，.NET版Aspose.PDF升级到v20.9版，增强TIFF到PDF的转换性能，修复LZW解码器失败等诸多Bug问题，感兴趣的朋友可点击下方按钮下载最新版。

使用C＃或VB.NET将PDF转换为TXT文件而不进行格式化

首先，我们将无需任何格式设置例程即可将PDF转换为文本。文本内容将按原样转换。因此，从输入的PDF文件开始，输出文本将不遵循任何格式。需要按照以下步骤将PDF高效且可靠地转换为TXT。

• 加载输入的PDF文档
• 初始化StringBuilder类的实例
• 遍历PDF文档的每一页
• 使用TextDevice和Raw模式读取文本
• 将输出文本另存为TXT文件

下面的代码段显示了如何在.NET Framework中使用C＃或VB将PDF转换为TXT文件：

// Open document
Document pdfDocument = new Document(dataDir + "MultiColumnPdf.pdf");
StringBuilder builder = new StringBuilder();
// String to hold extracted text
string extractedText = "";

foreach (Page pdfPage in pdfDocument.Pages)
{
    using (MemoryStream textStream = new MemoryStream())
    {
        // Create text device
        TextDevice textDevice = new TextDevice();

        // Set different options
        TextExtractionOptions options = new
        TextExtractionOptions(TextExtractionOptions.TextFormattingMode.Raw);
        textDevice.ExtractionOptions = options;

        // Convert the page and save text to the stream
        textDevice.Process(pdfPage, textStream);

        // Close memory stream
        textStream.Close();

        // Get text from memory stream
        extractedText = Encoding.Unicode.GetString(textStream.ToArray());
    }
    builder.Append(extractedText);
}

dataDir = dataDir + "PDF_to_TXT_Raw.txt";
// Save the text file
File.WriteAllText(dataDir, builder.ToString());

使用C＃或VB.NET使用格式化例程将PDF转换为TXT文件

可以按照以下步骤，使用C＃轻松地将PDF文档的文本内容呈现为TXT文件：

• 加载源PDF文件
• 启动一个字符串变量
• 使用TextFormattingMode.Pure通读每个页面
• 保存转换后的TXT文件

以下代码段显示了如何使用C＃或VB.NET语言将PDF格式转换为TXT文件：

// Open document
Document pdfDocument = new Document(dataDir + "MultiColumnPdf.pdf");
StringBuilder builder = new StringBuilder();
// String to hold extracted text
string extractedText = "";

foreach (Page pdfPage in pdfDocument.Pages)
{
    using (MemoryStream textStream = new MemoryStream())
    {
        // Create text device
        TextDevice textDevice = new TextDevice();

        // Set different options
        TextExtractionOptions options = new
        TextExtractionOptions(TextExtractionOptions.TextFormattingMode.Pure);
        textDevice.ExtractionOptions = options;

        // Convert the page and save text to the stream
        textDevice.Process(pdfPage, textStream);

        // Close memory stream
        textStream.Close();

        // Get text from memory stream
        extractedText = Encoding.Unicode.GetString(textStream.ToArray());
    }
    builder.Append(extractedText);
}

dataDir = dataDir + "PDF_to_TXT_Pure.txt";
// Save the text file
File.WriteAllText(dataDir, builder.ToString());

视觉比较PURE和RAW文本转换

以下屏幕快照是我们刚刚讨论的两种方法的直观比较。您会注意到，纯模式（最右边的窗口）以与PDF文件（最左边的窗口）相同的格式显示文本。

使用C＃或VB.NET以编程方式将TXT文件转换为PDF

TXT文件通常包含大量文本内容。您可以使用Aspose.PDF for .NET API轻松地将TXT文件转换为PDF文件。只需按照以下步骤执行文本到PDF的转换：

• 创建一个TextReader类的实例
• 初始化PDF文档并添加空白页
• 实例化TextBuilder对象
• 从输入的TXT文件中读取每一行文本
• 保存输出PDF文件

下面的代码段说明了如何使用C＃或VB.NET语言以编程方式将包含文本的TXT文件转换为PDF文档：

// Read input TXT file
System.IO.TextReader tr = new StreamReader(dataDir + "Test.txt", Encoding.UTF8, true);

// Initialize new Document
Document doc = new Document();

// Add blank page
Page page = doc.Pages.Add();
String strLine;

// Initiate TextBuilder object
TextBuilder builder = new TextBuilder(page);
double x = 100; double y = 100;
while ((strLine = tr.ReadLine()) != null)
{
 TextFragment text = new TextFragment(strLine);
 text.Position = new Position(x, y);
 if (y >= page.PageInfo.Height - 72)
 {
  y = 100;
  page = doc.Pages.Add();
  builder = new TextBuilder(page);
 }
 else
 {
  y += 15;
 }
 builder.AppendText(text);
}

// Save output PDF file
doc.Save(dataDir + "TexttoPDF.pdf");
tr.Close();