C# Ghostscript将PDF转换为文本文件并输出
1.我需要将PDF文件转换为txt.NET文件。我的命令似乎有效,因为我在屏幕上获得了转换后的文本,但不知怎么的,我无法将输出导入文本文件C# Ghostscript将PDF转换为文本文件并输出,c#,pdf,text-files,ghostscript,C#,Pdf,Text Files,Ghostscript,1.我需要将PDF文件转换为txt.NET文件。我的命令似乎有效,因为我在屏幕上获得了转换后的文本,但不知怎么的,我无法将输出导入文本文件 public static string[] GetArgs(string inputPath, string outputPath) { return new[] { "-q", "-dNODISPLAY", "-dSAFER", "-dDELAYBIND", "-dWRITESYS
public static string[] GetArgs(string inputPath, string outputPath)
{
return new[] {
"-q", "-dNODISPLAY", "-dSAFER",
"-dDELAYBIND", "-dWRITESYSTEMDICT", "-dSIMPLE",
"-c", "save", "-f",
"ps2ascii.ps", inputPath, "-sDEVICE=txtwrite",
String.Format("-sOutputFile={0}", outputPath),
"-c", "quit"
};
}
2.是否有unicode专用的.ps
更新:
发布我的完整代码,可能错误在其他地方
public static string[] GetArgs(string inputPath, string outputPath)
{
return new[]
{ "-o c:/test.txt",
"-dSIMPLE",
"-sFONTPATH=c:/windows/fonts",
"-dNODISPLAY",
"-dDELAYBIND",
"-dWRITESYSTEMDICT",
"-f",
"C:/Program Files/gs/gs9.05/lib/ps2ascii.ps",
inputPath,
};
}
[DllImport("gsdll64.dll", EntryPoint = "gsapi_new_instance")]
private static extern int CreateAPIInstance(out IntPtr pinstance, IntPtr caller_handle);
[DllImport("gsdll64.dll", EntryPoint = "gsapi_init_with_args")]
private static extern int InitAPI(IntPtr instance, int argc, string[] argv);
[DllImport("gsdll64.dll", EntryPoint = "gsapi_exit")]
private static extern int ExitAPI(IntPtr instance);
[DllImport("gsdll64.dll", EntryPoint = "gsapi_delete_instance")]
private static extern void DeleteAPIInstance(IntPtr instance);`
private static object resourceLock = new object();
private static void Cleanup(IntPtr gsInstancePtr)
{
ExitAPI(gsInstancePtr);
DeleteAPIInstance(gsInstancePtr);
}
private static object resourceLock = new object();
public static void ConvertPdfToText(string inputPath, string outputPath)
{
CallAPI(GetArgs(inputPath, outputPath));
}
public static void ConvertPdfToText(string inputPath, string outputPath)
{
CallAPI(GetArgs(inputPath, outputPath));
}
private static void CallAPI(string[] args)
{
// Get a pointer to an instance of the Ghostscript API and run the API with the current arguments
IntPtr gsInstancePtr;
lock (resourceLock)
{
CreateAPIInstance(out gsInstancePtr, IntPtr.Zero);
try
{
int result = InitAPI(gsInstancePtr, args.Length, args);
if (result < 0)
{
throw new ExternalException("Ghostscript conversion error", result);
}
}
finally
{
Cleanup(gsInstancePtr);
}
}
}
publicstaticstring[]GetArgs(stringinputpath,stringoutputpath)
{
返回新的[]
{“-o c:/test.txt”,
“-dSIMPLE”,
“-sFONTPATH=c:/windows/font”,
“-dNODISPLAY”,
“-dDELAYBIND”,
“-dWRITESYSTEMDICT”,
“-f”,
“C:/Program Files/gs/gs9.05/lib/ps2ascii.ps”,
输入路径,
};
}
[DllImport(“gsdll64.dll”,EntryPoint=“gsapi\u新实例”)]
私有静态extern int createapinstance(out IntPtr pinstance,IntPtr调用者_handle);
[DllImport(“gsdll64.dll”,EntryPoint=“gsapi_init_with_args”)]
私有静态外部intinitapi(IntPtr实例,intargc,字符串[]argv);
[DllImport(“gsdll64.dll”,EntryPoint=“gsapi_exit”)]
私有静态外部intexitapi(IntPtr实例);
[DllImport(“gsdll64.dll”,EntryPoint=“gsapi\u delete\u实例”)]
私有静态外部void DeleteAPIInstance(IntPtr实例)`
私有静态对象resourceLock=新对象();
专用静态无效清除(IntPtr gsInstancePtr)
{
出口(gsInstancePtr);
DeleteAPIInstance(gsInstancePtr);
}
私有静态对象resourceLock=新对象();
公共静态void ConvertPdfToText(字符串输入路径、字符串输出路径)
{
CallAPI(GetArgs(inputPath,outputPath));
}
公共静态void ConvertPdfToText(字符串输入路径、字符串输出路径)
{
CallAPI(GetArgs(inputPath,outputPath));
}
私有静态void CallAPI(字符串[]args)
{
//获取指向Ghostscript API实例的指针,并使用当前参数运行该API
IntPtr-gsInstancePtr;
锁(资源锁)
{
CreateAPIInstance(out gsInstancePtr,IntPtr.Zero);
尝试
{
int result=InitAPI(gsInstancePtr,args.Length,args);
如果(结果<0)
{
抛出新的外部异常(“Ghostscript转换错误”,结果);
}
}
最后
{
清理(gsInstancePtr);
}
}
}
2个问题,2个答案:
-sOutputFile=/path/To/file
,或添加该行
"-sOutputFile=/where/it/should/go",
到你的c
代码(可以是第一个参数,但应该在你的第一个“-c”
之前。但是首先要去掉你的另一个-sOutputFile
文件…:-)
更新 (注:从PDF中可靠地提取文本(由于各种技术原因)是出了名的困难。而且它可能根本不起作用,无论您使用哪种工具……) 在命令行上,以下两个应该适用于Ghostscript的最新版本(当前版本为v9.05)。这将是你自己的工作
- …测试哪个命令更适合您的用例,以及
- …将这些转换为
codec#
gswin64c.exe
(如果可用)-o
语法仅适用于最新版本的Ghostscript-o
语法也隐含地设置了-dBATCH
和-dNOPAUSE
参数-o
速记不起作用,请将其替换为-dBATCH-dNOPAUSE-sOutputFile=…
-dTextFormat
默认设置为3
,因此此处不需要它。”it的“法律”价值是:
:输出XML转义Unicode以及与文本格式(位置、字体名称、点大小等)相关的信息。仅供开发人员使用0
:与1
相同,但将输出文本块0
:输出带有BMO(字节顺序标记)的Unicode(UCS2)文本;尝试近似原始文档中的文本布局2
:(默认)与3
相同,但文本以UTF-8编码2
-dTextFormat
修饰符的txtwoite
设备是Ghostscript的一项新资产,因此如果您找到了,请联系我们ps2ascii.ps
注意事项:
txtwite
设备一完全不同的方法,不能与之混合使用李>
ps2ascii.ps
是一个文件,是Ghostscript调用以提取文本的PostScript程序。它通常位于Ghostscript installdir的/lib
子目录中。去看看它是否真的在那里-dSIMPLE
可以替换为dCOMPLEX
,以便打印额外的信息行(当前颜色、图像的存在、矩形填充)-sstdout=…
是必需的,因为ps2ascii.ps
PostScript程序只打印到标准输出,不能告诉它写入文件。因此,-sstdout=…
告诉Ghostscript将其标准输出重定向到一个文件mudraw-t
GPL许可(或商业,如果需要)。从中提取PDF文本的命令行实用程序(正在开发gswin32c.exe ^ -o c:/path/to/output.txt ^ -dTextFormat=3 ^ -sDEVICE=txtwrite ^ input.pdf
gswin32c.exe ^ -sstdout=c:/path/to/output.txt ^ -dSIMPLE ^ -sFONTPATH=c:/windows/fonts ^ -dNODISPLAY -dDELAYBIND ^ -dWRITESYSTEMDICT ^ -f /path/to/ps2ascii.ps ^ input.pdf