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

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：

要获得文件的输出，请在命令行上使用

-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…：-）

不，PostScript不知道Unicode

---

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

  c#

  code

1. <代码>txtwrite设备： 注意事项：

如果系统为64位，则可能需要在系统上使用

gswin64c.exe

（如果可用）

输出的

-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

如果您的Ghostscript太旧并且

-o

速记不起作用，请将其替换为

-dBATCH-dNOPAUSE-sOutputFile=…

即使在Windows上，Ghostscript也可以在路径参数内处理正向斜杠

不管怎样，

-dTextFormat

默认设置为

3

，因此此处不需要它。”it的“法律”价值是：

• 0

  ：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

• 1

  ：与

  0

  相同，但将输出文本块

• 2

  ：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

• 3

  ：（默认）与

  2

  相同，但文本以UTF-8编码

带有此

-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

2.使用

ps2ascii.ps

注意事项：

这是一种与

txtwite

设备一完全不同的方法，不能与之混合使用

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

3.非重影脚本方法 不要忽略其他可能更容易使用的非重影脚本方法。以下所有内容都是跨平台的，也应在Windows上提供：

• 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