当前位置:

首页 > 编程开发 > Delphi提取PDF文本实例

Delphi提取PDF文本实例

针对当前PDF解析工具稀缺且易出错的现状,本文提出一种利用Delphi语言封装ApachePDFBox开源库的解决方案,通过命令行调用其ExtractText功能,有效实现PDF文档的文本提取。该方法需要Java运行环境以及pdfbox-app-2.0.6.jar包支持,运行稳定可靠,并且能够正确处理中文内容,具有实用性。

本文目录

    市面上能生成 PDF 的控件不少,但真正好用的解析工具可不多。之前试过 pdf Toolkit,结果第一个稍微复杂点的 PDF 就报错,汉字还乱码——可能是版本或用法不对,但折腾下去实在不划算。

    Delphi提取PDF文本实例

    于是想起以前用 Ja va 时调过 Apache 的 pdfBox 库,效果很不错。索性下载一份,用 Delphi 来封装调用,把 PDF 文本解析出来。

    环境要求:Ja va 运行环境
    pdfBox 应用包:pdfbox-app-2.0.6.jar

    思路很简单:通过命令行调用 pdfBox 的提取功能,再在 Delphi 里捕获结果。

    首先,封装一个执行 DOS 命令的函数:

    procedure CheckResult(b: Boolean);
    begin
     if not b then
      raise Exception.Create(SysErrorMessage(GetLastError));
    end;
    
    function RunDOS(const CommandLine: string): string;
    var
     HRead, HWrite: THandle;
     StartInfo: TStartupInfo;
     ProceInfo: TProcessInformation;
     b: Boolean;
     sa: TSecurityAttributes;
     inS: THandleStream;
     sRet: TStrings;
    begin
     Result := '';
     FillChar(sa, sizeof(sa), 0);
    //设置允许继承,否则在NT和2000下无法取得输出结果
     sa.nLength := sizeof(sa);
     sa.bInheritHandle := True;
     sa.lpSecurityDescriptor := nil;
     b := CreatePipe(HRead, HWrite, @sa, 0);
     CheckResult(b);
    
     FillChar(StartInfo, SizeOf(StartInfo), 0);
     StartInfo.cb := SizeOf(StartInfo);
     StartInfo.wShowWindow := SW_HIDE;
    //使用指定的句柄作为标准输入输出的文件句柄,使用指定的显示方式
     StartInfo.dwFlags := STARTF_USESTDHANDLES or STARTF_USESHOWWINDOW;
     StartInfo.hStdError := HWrite;
     StartInfo.hStdInput := GetStdHandle(STD_INPUT_HANDLE); //HRead;
     StartInfo.hStdOutput := HWrite;
    
     b := CreateProcess(nil, //lpApplicationName: PChar
      PChar(CommandLine), //lpCommandLine: PChar
      nil, //lpProcessAttributes: PSecurityAttributes
      nil, //lpThreadAttributes: PSecurityAttributes
      True, //bInheritHandles: BOOL
      CREATE_NEW_CONSOLE,
      nil,
      nil,
      StartInfo,
      ProceInfo);
    
     CheckResult(b);
     WaitForSingleObject(ProceInfo.hProcess, INFINITE);
    
     inS := THandleStream.Create(HRead);
     if inS.Size > 0 then
     begin
      sRet := TStringList.Create;
      sRet.LoadFromStream(inS);
      Result := sRet.Text;
      sRet.Free;
     end;
     inS.Free;
    
     CloseHandle(HRead);
     CloseHandle(HWrite);
    end;

    然后,封装一个专门解析 PDF 文本的函数,把命令拼好,调用上面那个函数:

    function TfrmPDFTool.GetPDFText(sFile: string): string;
    var
     cmd:string;
     pdfFilePath,pdfFileName,txtFileName:String;
    begin
     //ja va -jar pdfbox-app-2.0.6.jar ExtractText -encoding utf-8 e:\temp\test.pdf e:\temp\testiii.txt
     pdfFilePath:=ExtractFilePath(sFile);
     pdfFileName:=ExtractFileName(sFile);
     txtFileName:=FAppPath+'Temp'+pdfFileName+'.txt';
     cmd:='ja va -jar '+FAppPath+'PDFBoxpdfbox-app-2.0.6.jar ExtractText '
      +' -encoding utf-8 '+sFile
      +' '+txtFileName;
    
     AddLog(cmd);
    
     Result:=RunDOS(cmd);
    
     AddLog(Result);
    
     memTxtFile.Lines.LoadFromFile(txtFileName,TUTF8Encoding.Create);
    
     FPDFText:=memTxtFile.Text;
    
     AddLog(FPDFText);
    
    end;

    OK,大功告成!

    本站声明:本文内容由网友自发贡献,版权归原作者所有,本站不承担相应法律责任。如您发现有涉嫌抄袭侵权的内容,请联系bd@zhengruan.com
    作者最新文章
    编程开发
    相关文章 更多
    delphi 2010 场景实战:从需求到落地步骤
    delphi 2010 场景实战:从需求到落地步骤

    Delphi2010在维护旧代码和开发高性能桌面、数据库及工业控制软件方面仍具价值。项目需明确需求、评估可行性,随后搭建环境并规划结构,采用模块化开发。核心阶段应高效利用数据库与语言特性,借助VCL快速构建界面,最终通过调试、测试与规范部署确保质量并交付。

    以前我没学过编程 请问编程从那里学起
    以前我没学过编程 请问编程从那里学起

    编程语言仅为工具,真正决定高度的是数据结构和算法及计算机底层逻辑理解。建议从C语言入门,打好基本功。根据目标选择深入方向,避免同时学习多门语言。最终目标是学会用程序解决问题,语言只是实践载体。

    Java中CountDownLatch和CyclicBarrier的区别与详解
    Java中CountDownLatch和CyclicBarrier的区别与详解

    CountDownLatch与CyclicBarrier均为Java同步工具,核心区别:前者计数器可大于等于线程数,由其他线程控制放行且不可重用;后者计数器必须等于线程数,所有线程到达屏障后统一继续并可循环使用。常用于多线程协作,前者等待完成,后者同步任务。

    delphi 判断字符串是否为纯数字组合
    delphi 判断字符串是否为纯数字组合

    Delphi中判断字符串是否为纯数字组合,常见需求有两种实现方案:一是先去除首尾空格再逐字符检查是否在'0'..'9'范围内,遇非数字即返回假;二是直接遍历字符串,使用Break提前结束循环。核心思路均为字符级判断,区别在于空格处理与退出方式。

    Delphi 常见文件处理及注册表文件的使用实例
    Delphi 常见文件处理及注册表文件的使用实例

    Delphi中借助TRegIniFile类可将注册表操作简化为类似INI文件读写,提供CreateKey、OpenKey、EraseSection及读写多种类型值、枚举子键键值等方法。通过创建节点、删除值、删除键等实例展示实际应用,有效完成常见注册表读写场景。

    Delphi 中内存映射对于大文件的使用
    Delphi 中内存映射对于大文件的使用

    针对超大文件,利用Delphi的内存映射机制分块处理,以10倍页面粒度为单位映射,通过GetSystemInfo获取页面分配粒度。在循环中判断当前映射范围是否足够,不足时保留剩余数据并重新映射,合并后顺序读取指定长度数据。

    Delphi实现截屏存盘的方法
    Delphi实现截屏存盘的方法

    在Delphi中,通过GetDC获取屏幕设备上下文,创建兼容DC及位图,利用BitBlt复制指定区域,然后赋给TJPEGImage并设置压缩质量70,保存为JPEG文件,需注意释放GDI对象以避免内存泄漏。

    Delphi7中群发Email邮件的方法
    Delphi7中群发Email邮件的方法

    在Delphi7环境下,通过安装WinWebMail邮件服务器、配置Indy控件及SMTP账户,实现了考生信息的批量邮件群发。函数封装了发送及地址合法性判断流程,每50封邮件延迟2秒,并注意了反垃圾邮件限制及验证模式问题。

    Delphi实现检测并枚举系统安装的打印机的方法
    Delphi实现检测并枚举系统安装的打印机的方法

    通过调用Printer.Printers属性,可自动检测并枚举系统中所有已安装打印机,返回名称列表。若列表为空则提示未安装。该方法代码简洁、逻辑清晰,非常便于集成到Delphi项目中。

    Delphi创建开机启动项的方法示例
    Delphi创建开机启动项的方法示例

    通过修改注册表项HKEY_LOCAL_MACHINE\Software\Microsoft\Windows\CurrentVersion\Run,利用Delphi自定义过程zdyx实现程序开机自启。参数含启动项名称、程序路径及是否单次运行。需管理员权限,可改用HKEY_CURRENT_USER避免权限问题。

    查看更多
    精品专题 更多
    装机必备
    装机必备

    正软商城装机必备专区,精选办公、浏览器、安全防护、影音播放、压缩解压、设计创作和系统工具等电脑常用正版软件,帮助用户快速完成新电脑软件配置。

    Windows
    Windows

    正软商城Windows软件专区,汇集适用于Windows电脑的办公、设计、安全防护、影音播放、开发工具和系统优化软件,提供软件介绍、系统要求、正版授权及购买下载服务。

    PDF教程
    PDF教程

    正软商城PDF教程频道提供PDF编辑、转换、合并、拆分、压缩及格式处理方法,同时介绍常用PDF软件和工具的使用技巧。

    Mac软件 更多
    讯飞智作 网页版
    讯飞智作 网页版
    Windows/ macOS/ Linux

    讯飞智作是一款基于语音合成技术、虚拟人驱动技术与数字人形象声音构建能力的 AI 数字人音视频创作平台。

    火山引擎 网页版
    火山引擎 网页版
    Windows/ macOS/ Linux

    火山引擎是字节跳动旗下企业级云与AI服务平台。聚焦大模型核心能力,依托字节自研豆包多模态大模型,凭借火山方舟一站式平台,提供模型精调、推理部署、智能应用搭建等全链路服务,结合高性能AI算力,助力各行业快速落地大模型数字化与智能化应用。

    Aperty macOS版
    Aperty macOS版
    macOS

    Aperty 是 Skylum 推出的 AI 人像修图软件,支持自然肤质修饰、瑕疵处理、面部与身体调整、预设及批量同步。

    WINDOWS 更多
    讯飞智作 网页版
    讯飞智作 网页版
    Windows/ macOS/ Linux

    讯飞智作是一款基于语音合成技术、虚拟人驱动技术与数字人形象声音构建能力的 AI 数字人音视频创作平台。

    火山引擎 网页版
    火山引擎 网页版
    Windows/ macOS/ Linux

    火山引擎是字节跳动旗下企业级云与AI服务平台。聚焦大模型核心能力,依托字节自研豆包多模态大模型,凭借火山方舟一站式平台,提供模型精调、推理部署、智能应用搭建等全链路服务,结合高性能AI算力,助力各行业快速落地大模型数字化与智能化应用。

    PixTV 网页版
    PixTV 网页版
    Windows

    PixTV 是一款在浏览器中使用的 AI 视觉内容创作平台,提供图片、视频、音频、文字生成、AI 分镜、局部重绘、提示词反推和无限画布等工具,适合短剧、漫剧、广告及社交媒体内容制作。