如何从pdf c＃获取具有特定颜色的文本
我必须将pdf文件中的数据放在某个数据库结构中。 这要求我能够从pdf文件中获取某些数据。 由于pdf没有任何标签等…我想知道是否有可能获得基于颜色的文本。 比方说，我想要所有的红色文字。 或者我想要文档中的所有斜体文本。 这可能在C＃中吗？ 或者是否有其他方法可以轻松过滤pdf文档中的数据？
通过使用此库http://www.codeproject.com/KB/files/xpdf_csharp.aspx?msg=3154408，您可以访问每个单词样式（字体，颜色……）
this.pdfDoc.Pages[4].WordList.ElementAt(143).ForeColor iText的PdfTextExtractor（以及它所依赖的所有代码）不跟踪当前颜色。 哎哟。 添加起来并不难，所以你可以自己修改iText：
- 将笔触和填充颜色成员添加到GraphicState类（并相应地更新各种构造函数）。
- 您需要为’g’，’G’，’rg’，’RG’，’K’和’k’（以及CS，cs，SC，sc，SCN，scn）添加
ContentOperator类，以便修改笔划和填充颜色。 - 向TextRenderInfo添加方法以获取当前笔触和填充颜色。
试试PdfLibTET http://www.pdflib.com/products/tet/
它应该能够获得有关文本的信息。
我采取了不同的方法。 我将pdf转换为excel文件。 这很容易搜索彩色文本