iTextSharpを使用してPDFファイルから構造要素を取得することは可能ですか？

Question

C＃WinFormsアプリケーションでiTextSharpを使用してPDFファイルを解析しています。 iTextSharpを使用すると、PDFファイルからテキストデータを簡単に抽出できます。 PDFファイルに2行のテキストで囲まれたイメージが含まれているとします。この場合、画像に関する情報を抽出できませんでした。

私の要件がある：

1. は、それぞれが例えばタイプテキスト、イメージ、テーブルまたは他の

であるか否かをPDFファイル

プロセスの構成要素を取得し、構成要素であります次のようになります。

text :paragraph1 
text :paragraph2 
Image:Image 
text :paragraph3 
Table:table info 
text :Paragraph4 

このような形式では、テキスト、画像、表、ヘッダー、フッターの情報を簡単に理解できます。

iTextSharpを使用してこのような情報を取得することは可能ですか？はいの場合は、私にこれを教えてください。それ以外の場合は、この要件を満たすことができる他のツールを提案してください。すべての

おかげで、

Saravanan

Answer 1

は、私はしばらく前に必要性のこの種を持っていました。私は（Extract images using iTextSharpから）この機能を使用する：あなたはforeach (PdfName name in xobj.Keys)文で見ることができるように

private static PdfObject FindImageInPDFDictionary(PdfDictionary pg) 
{ 
    PdfDictionary res = 
     (PdfDictionary)PdfReader.GetPdfObject(pg.Get(PdfName.RESOURCES)); 


    PdfDictionary xobj = 
     (PdfDictionary)PdfReader.GetPdfObject(res.Get(PdfName.XOBJECT)); 
    if (xobj != null) 
    { 
     foreach (PdfName name in xobj.Keys) 
     { 

      PdfObject obj = xobj.Get(name); 
      if (obj.IsIndirect()) 
      { 
       PdfDictionary tg = (PdfDictionary)PdfReader.GetPdfObject(obj); 

       PdfName type = 
        (PdfName)PdfReader.GetPdfObject(tg.Get(PdfName.SUBTYPE)); 

       //image at the root of the pdf 
       if (PdfName.IMAGE.Equals(type)) 
       { 
        return obj; 
       }// image inside a form 
       else if (PdfName.FORM.Equals(type)) 
       { 
        return FindImageInPDFDictionary(tg); 
       } //image inside a group 
       else if (PdfName.GROUP.Equals(type)) 
       { 
        return FindImageInPDFDictionary(tg); 
       } 

      } 
     } 
    } 

    return null; 
} 

、私はあなたが簡単に全体のPDFを解析し、それからのデータのすべての種類を扱うことができると思います。しかし、私はあなたの必要性の "垂直性"の部分についてはよく分かりません。

お手数ですがお手伝いします。