如何從pdf中獲取某種顏色的文本c＃

Question

我必須將PDF文件中的數據放入特定的數據庫結構中。這要求我能夠從PDF文件中獲取某些數據。由於pdf沒有任何標籤等......我想知道是否有可能獲得基於顏色的文本。舉例來說，我想要所有的紅色文本。或者我想要文檔中的所有斜體文字。這在C＃中可能嗎？或者是否有其他方法可以輕鬆過濾PDF文檔中的數據？

Answer 1

我採取了不同的方法。我將pdf轉換爲excel文件。這是很容易搜索彩色文本

Answer 2

通過使用這個庫http://www.codeproject.com/KB/files/xpdf_csharp.aspx?msg=3154408 你必須每一個字風格的訪問（字體，顏色...）

this.pdfDoc.Pages[4].WordList.ElementAt(143).ForeColor 

Answer 3

的iText的PdfTextExtractor（以及所有它依賴於代碼）不不跟蹤當前的顏色。哎喲。這不會是所有是難以增加，所以你可以自己修改的iText：

1. 添加筆觸和填充顏色成員對GraphicState類（適當地更新各種構造函數）。你可能需要爲'g'，'G'，'rg'，'RG'，'K'和'k'添加ContentOperator類（也可能是CS，cs，SC，sc，SCN，scn ），修改筆觸和填充顏色。
2. 將方法添加到TextRenderInfo以獲取當前描邊和填充顏色。

Answer 4

嘗試PdfLibTET http://www.pdflib.com/products/tet/
它應該能夠獲得有關的文字信息。