Extraer texto de un PDF en C++
Cómo extraer texto de un PDF con la biblioteca C++
Cómo extraer texto de un PDF con la biblioteca C++
¿Necesita extraer texto de un PDF? La modificación programática de los documentos PDF es una parte esencial de los flujos de trabajo digitales modernos. Con bibliotecas de C++ como Aspose.PDF, los desarrolladores pueden extraer texto de un PDF. Estas bibliotecas son soluciones independientes que no dependen de otro software y están listas para su uso comercial. Cubren todas las necesidades posibles de los desarrolladores profesionales de C++.
- Extraer texto de un PDF
- Extraer imágenes de un PDF
- Extraer fuentes de un PDF
- Extraer datos del formulario
- Extraer texto de sellos
- Extraer datos de la tabla
Para extraer texto de un archivo PDF, utilizaremos la API Aspose.PDF para C++, que es una API de manipulación de documentos potente, fácil de usar y rica en funciones para la plataforma cpp. Abre el administrador de paquetes NuGet, busca Aspose.pdf e instálalo. También puede usar el siguiente comando desde la consola del administrador de paquetes.
Package Manager Console
PM > Install-Package Aspose.PDF.CppExtraer texto de un PDF en C++
Necesita Aspose.PDF para C++ para probar el código en su entorno.
- Cargue el PDF con una instancia de Document.
- Crea un objeto TextAbsorber para extraer texto.
- Acepta el absorbente para todas las páginas.
- Obtenga el texto extraído
- Crea un escritor y abre el archivo, escribe una línea de texto en el archivo
Extraer texto de un PDF - C++
Este código de ejemplo muestra cómo extraer texto de documentos PDF
Input file:
File not added
Output format:
Output file:
void ExtractTextFromAllThePages() {
std::clog << __func__ << ": Start" << std::endl;
// String for path name
String _dataDir("C:\\Samples\\Parsing\\");
// String for file name
String infilename("sample-4pages.pdf");
String outfilename("extracted-text.txt");
// Open document
auto document = MakeObject<Document>(_dataDir + infilename);
// Create TextAbsorber object to extract text
auto textAbsorber = MakeObject<TextAbsorber>();
// Accept the absorber for all the pages
document->get_Pages()->Accept(textAbsorber);
// Get the extracted text
auto extractedText = textAbsorber->get_Text();
System::IO::File::WriteAllText(_dataDir + outfilename, extractedText);
std::clog << __func__ << ": Finish" << std::endl;
}