c++ - 是否有 C++ 库可以从 PDF 文件(如 Java 的 PDFBox)中提取文本？

Question

已结束。此问题不符合 Stack Overflow guidelines .它目前不接受答案。

---

我们不允许提出有关书籍、工具、软件库等方面的建议的问题。您可以编辑问题，以便用事实和引用来回答它。

关闭 7 年前。

Improve this question

去年，我使用 PDFBox 在 Java 中制作了一个应用程序，以获取一些 PDF 文件中的原始文本，我现在需要将该应用程序移植到 C++。

我想知道完成我需要的最佳 C++ 替代方案是什么。

如果有帮助，我会举个例子:

大多数文件如下所示:http://www.jumbala.net/backup/league.pdf

使用 PDFBox，使用该文件，在第 2 页和第 3 页的大部分内容中读取的每一行都将输出一行的所有数据，由空格分隔，而不是像现在这样将其保留在网格中。

所以第 2 页中的第一条相关行如下所示:

FB 847 - Tremblay, Gérard 179,63 56 16167 90 268 s27 p3 669 s14 199 223 193 615

或类似的东西，因为它们出现的顺序有细微的变化，但我不在乎，只要相似的行输出相同，因为我只是解析它们并将我需要的值放在不同的变量中。

那么，了解所有这些之后，是否有一个库可以在 C++ 程序中使用以获得类似的结果？

编辑:在查看sacredFaith 的链接后http://www.codeproject.com/Articles/7056/Code-to-extract-plain-text-from-a-PDF-file尝试一下，我得到了一个奇怪的输出，就像我之前提到的示例文件:

http://www.jumbala.net/backup/league.pdf.txt

我真正需要的部分是开头的奇怪字符。使用 Adob​​e Acrobat Reader X 并使用 Save As... Text (accessible)，我得到以下结果:

http://www.jumbala.net/backup/league_good.pdf.txt

这大约是我在 Java 中使用 PDFBox 得到的结果以及我想在 C++ 中作为输出得到的结果。

Answer 1

Xpdf是一个 C++ 应用程序/库，其中包含从 PDF 文件中提取纯文本的工具。