Ciao a tutti,
sapete se esiste del codice VB.NET oppure una DLL per estrarre il testo dai file PDF ?
Se possibile qualcosa di free perchè è solo per uso personale.
Io ho provato a cercare su internet ma non ho trovato nulla che mi potesse andar bene
Grazie
Si esiste, cerca la libreria itextsharp, puoi estrarre il testo ma solo se e' testo non un immagine.
Da un grande potere derivano grandi responsabilità
ma è free ??
mi dice che iText5 non si usa più e devo passare a iText8 e alla pagina https://itextpdf.com/get-started mi dice "free trial"
ho trovato una libreria gratuita che mi estrae il testo dal PDF, per chi dovesse servire eccola qui:
https://uglytoad.github.io/PdfPig/
Per ogni parola mi danno delle coordinate, io però avrei bisogno di avere un file TXT per poi analizzarlo, ricostruendo il layout il meglio possibile.
Come dicevo attualmente ho un file exe di soli 840KB che lancio da terminale, estrae il testo dal PDF e mi restituisce un file TXT con il layout ricostruito, e funziona alla grande, ma è del 2011, ho paura che fra un po' di tempo non funzionerà più su sistemi moderni, e poi non ho capito se è coperto da copyright oppure no e quindi vorrei rifarlo io.
Come potrei fare ?
Ho visto che nella mappa dei testi (dopo vi scrivo il link del CSV da scaricare), mi trovo X, Y, Width e Height, ma (ad esempio) la scritta "Order No : 70510650" che nel PDF si vede tutta sulla stessa riga, perchè ha quattro coordinate Y diverse ?
"Order" ha y:788.82604609375
"No" ha y:788.7161828125
":" ha y:786.9407921875
"70510650" ha y:788.74255
Ok, dovrò arrotondare per capire che sono sulla stessa riga, ma quei 788.826 a cosa corrispondono ?
Ah, dimenticavo, le coordinate Y in realtà sono dal basso verso l'alto
Qualche idea per ricostruire il layout ??
Perchè poi il problema ce l'ho anche sulla coordinata X, come faccio a capire quanti spazi devo mettere tra una scritta e l'altra ??
Esiste magari un qualcosa di spunto o di aiuto già fatto su internet ?
Grazie
Eccovi i files:
PDF: https://www.sirjo.com/invoice.pdf
TXT: https://www.sirjo.com/invoice.txt
CSV: https://www.sirjo.com/invoice.csv
La libreria che ho citato ha anche delle funzioni di "Layout Analysis", me le sto studiando
Ciao Sir,
scusami ma non mi e' arrivata la notifica dei tuoi messaggi, io utilizzo la versione 5 di itextsharp mi pare ed e' gratuita.
Grazie per aver indicato la libreria che usi, non la conoscevo.
I 788 sono punti e non pollici o millimetri
Da un grande potere derivano grandi responsabilità
Ciao abellos, grazie per la spiegazione.
Ho scoperto come funzionano le routine di "Layout Analysis" della libreria sopracitata e sono riuscito alla grande a fare ciò che mi serviva.
Le funzioni non ricostruiscono il tutto in un file TXT come l'esempio che avevo fatto, ma raggruppano il testo suddividendolo per logica e mi ritrovo comunque dei dati ben utilizzabili.
grazie mille comunque di tutto
Permessi di invio
Rispondi quotando