PDF 文本提取 ​

概述

即从 PDF 文档中提取文本数据。

注意事项

• 当未开启 OCR 功能时可能会导致图片中的表格内的文本未被提取出来。
• 当我们从 PDF 文档中读取文本内容时，我们经常会遇到部分数据。例如，假设我们正在尝试从 PDF 文档中提取一个句子，上面写着 “这是一个示例句子”。我们最终可能会得到两个文本内容：“这” 和 “是一个示例句子”。这是可能的，因为在 PDF 文档中，文本对象并不总是整齐地组织成单词、句子或段落。未开启 OCR 识别时，StartExtractPDFText返回与 PDF 页面中的文本内容完全相同的对象。

示例

以下是完整的示例代码，演示了基本的文本提取功能。

ConvertOptions opt;
// 提取 PDF 文本。
PDFToOffice::StartExtractPDFText("text.pdf", "password", "path/output", opt, progress);