ByteScout PDF Extractor SDK – 用于 PDF 到 JSON、PDF 到 Excel、CSV、XML、从 .NET 和 ASP.NET 从 PDF 中提取文本的 PDF 提取器库

PDF 提取器支持的演示应用程序

主要优势

• 处理数百万个 PDF 文档： PDF Extractor 的高性能引擎在压力下完美运行，使其成为处理大量 PDF 报告、索引大型 PDF 库等的理想解决方案
• 易于使用和实施：无论您的 PDF 文档结构多么复杂，您都会发现 PDF Extractor 易于使用并可无缝集成到您现有的系统中
• 没有更多的提取错误： PDF Extractor 可以处理具有复杂结构的损坏文件，可以修复格式错误的文本，否则需要手动处理
• 多语言支持： PDF Extractor 支持混合语言和 Unicode 语言的文档。
• 离线工作，无需互联网；
• 10 多年的 PDF 提取器技术和专业知识；
• 提供比大多数类似的开源工具更快的上市时间；
  在生产中的大型商业项目上经过实战测试；
  包括对专家的支持。
• 支持扫描的、损坏的、格式错误的、混合的PDF、扫描的PDF、扫描的图像；
• 支持非拉丁语言、Unicode 支持、混合语言支持的高级 OCR ；
• 适用于.NET和ASP.NET支持（.NET 2.0、4.5 及更高版本，Windows 上的 .Net Core Framework）；
• 可以从脚本和遗留编程语言中使用，如 ASP、VBScript、VB6（通过类似 ActiveX 的界面）；
• 全套高级工具：将扫描件转换为可搜索的 PDF、拆分和合并 PDF、删除文本、分析、查找、检测和删除 PDF 和扫描文档中的敏感数据和个人身份信息 (PII)；
• PDF提取专家的技术支持；
• 包括数百个源代码示例。

技术特点

• PDF Extractor SDK 将从PDF文件中提取文本，
• 将 PDF 转换为 JSON，将 PDF 转换为文本，从 PDF 中提取图像，将 PDF 转换为 CSV 或 Excel，将 PDF 转换为 XML。
• 使用自动和 AI 驱动的 OCR（图像文本识别）将PDF 转换为文本，将 PDF 转换为 JSON/XML/XLSX 其他 PDF 提取器转换为文本；
• OCR（图像到文本）支持英语、德语、西班牙语、日语、韩语和许多其他语言。支持混合语言 OCR（例如同一页面上的英语 + 西班牙语）
• 使用正则表达式的高级文本搜索；
• 内置图像到文本 OCR 过滤器以处理嘈杂的图像（例如扫描不当的文档）；
• 修复损坏的文本对象（当 PDF 显示正确的文本但如果您选择并复制它已损坏）；
• 与所有字符编码（包括 Unicode）无缝协作；
• 提取 PDF 文档信息（页数、书签）和元数据（文件作者、标题、描述等）；
• 提取表格并将其转换为CSV或XML；
• 使用 .XLS 和 .XLSX 作为输出将表格和文本对象从 PDF 提取到 Excel；
• 提取嵌入的图像和附件；
• 将 PDF转换为 Excel，将 PDF 转换为 CSV，将 PDF 转换为 XML；
• 提取表格并将其转换为 CSV，可以轻松将其转换为 MS Excel 格式。
• 转换为 Excel、CSV或XML；
• 包括一组额外的工具，例如保护您的 PDF 不被复制或搜索的工具、 合并或拆分PDF 文档的工具、删除文本、删除和重新排列页面的工具；