Ghostscript转换PDF并输出文本文件
1.我需要将PDF文件转换为txt.file。 我的命令似乎工作，因为我在屏幕上获得转换后的文本，但不知何故，我无法将输出定向到文本文件。
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.有一个unicode speficic .ps吗？
更新：发布我的完整代码，可能错误是在其他地方。
public static string[] GetArgs(string inputPath, string outputPath) { return new[] { "-oc:/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); } } }
2个问题，2个答案：
-
要获取输出到文件，请在命令行上使用
-sOutputFile=/path/to/file，或添加行"-sOutputFile=/where/it/should/go",你的
c#代码（可以是第一个参数，但应该在你的第一个"-c"。但首先要摆脱你已经在那里的其他-sOutputFile东西…… ? -
不，PostScript不了解Unicode。
更新
（备注：可靠地从PDF中提取文本（出于各种技术原因）非常困难。并且它可能根本不起作用，无论您尝试哪种工具……）
在命令行上，以下两个应该适用于最近发布的Ghostscript（当前版本是v9.05）。 这将是你自己的工作……
1. txtwrite设备：
gswin32c.exe ^ -oc:/path/to/output.txt ^ -dTextFormat=3 ^ -sDEVICE=txtwrite ^ input.pdf
笔记：
- 如果是64位，您可能希望在系统上使用
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-dBATCH和-dNOPAUSE参数。 - 如果您的Ghostscript太旧且
-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斜杠。
-
-dTextFormat默认设置为3，因此这里不需要它。 它的“合法”价值是： - 带有这个
-dTextFormat修饰符的txtwrite设备是Ghostscript的一个相当新的资产，所以如果你找到了bug ，请报告bug 。
2.使用ps2ascii.ps
gswin32c.exe ^ -sstdout=c:/path/to/output.txt ^ -dSIMPLE ^ -sFONTPATH=c:/windows/fonts ^ -dNODISPLAY -dDELAYBIND ^ -dWRITESYSTEMDICT ^ -f /path/to/ps2ascii.ps ^ input.pdf
笔记：
- 这是一种与
txtwrite设备完全不同的方法，不能与它混合使用！ -
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。 去看看它是否真的存在。 -
-dSIMPLE可以由dCOMPLEX替换，以打印出额外的信息行（当前颜色，图像的存在，矩形填充）。 -
-sstdout=...是必需的，因为ps2ascii.psPostScript程序只打印到stdout，不能告诉写入文件。 所以-sstdout=...告诉Ghostscript将其stdout重定向到一个文件。
3.非Ghostscript方法
不要忽略可能更容易使用的其他非Ghostscript方法。 以下所有内容都是跨平台的，也应该在Windows上提供：
上述就是C#学习教程：Ghostscript转换PDF并输出文本文件分享的全部内容，如果对大家有所用处且需要了解更多关于C#学习教程，希望大家多多关注—计算机技术网(www.ctvol.com)!
本文来自网络收集，不代表计算机技术网立场，如涉及侵权请联系管理员删除。
ctvol管理联系方式QQ:251552304
本文章地址：https://www.ctvol.com/cdevelopment/992698.html