PDF 到文本转换而不会丢失格式

Question

当我将某种格式的 pdf 转换为 txt 时，我将所有文本都向左。

有没有代码可以把pdf转成txt，格式和pdf格式一样？

Answer 1

如果您能够解析 PDF 中文本字符的位置，您可能可以通过插入空格或缩进来实现一些格式设置。

我知道 LEADTOOLS SDK 有一个 DocumentConverter 类，它从输入 PDF 生成格式化的 TXT 输出，格式大致如上所述，这是我在为供应商工作后所熟悉的。

代码如下：

using (DocumentConverter documentConverter = new DocumentConverter())
{
   var inFile = @"Input.pdf";
   var outFile = Path.Combine(@"Output.txt");

   var docWriter = new DocumentWriter();
   var textOptions = docWriter.GetOptions(DocumentFormat.Text) as TextDocumentOptions;
   textOptions.DocumentType = TextDocumentType.Ansi;
   textOptions.AddPageNumber = true;
   textOptions.AddPageBreak = true;
   textOptions.Formatted = true;
   docWriter.SetOptions(DocumentFormat.Text, textOptions);
   documentConverter.SetDocumentWriterInstance(docWriter);

   var format = DocumentFormat.Text;
   var jobData = DocumentConverterJobs.CreateJobData(inFile, outFile, format);
   jobData.JobName = "conversion job";
   var job = documentConverter.Jobs.CreateJob(jobData);

   documentConverter.Jobs.RunJob(job);
}

例如，PDF 页面转换的输出文本如下所示：

输入：

输出：