C++：PDF解析-->提取文本-->podofo-0.10.3

Question

我已经在 Visual Studio 2022 中成功编译了 PoDoFo 0.10.3。 现在我想使用这个库从 PDF 文档中提取文本，但我在 API 上遇到了困难。 即使我找不到任何示例如何做到这一点...

void parseOneFile(const string_view& filename)
{
    PdfMemDocument document;

    document.Load(filename);
    
    // iterate over all pages of the whole pdf document
    for (int pn = 0; pn < document.GetPageCount(); ++pn) 
    {
        PoDoFo::PdfPage* page = document.GetPage(pn);
        // todo: ectract the text from the page

    }

不幸的是上面的代码示例不起作用...... （PoDoFo::PdfMemDocument 类没有成员 GetPageCount）

有人知道如何做到这一点吗？ 我只想提取文本并将其保存在像

std::vector<std::string>

这样的容器中以供进一步处理。

谢谢！

Answer 1

阅读 API 后，我能够编写以下代码行：

PdfMemDocument document;

document.Load(filename);
PoDoFo::PdfPageCollection& pagetree = document.GetPages();

for (int pn = 0; pn < pagetree.GetCount(); ++pn)
{
    PdfPage& curPdfPage = pagetree.GetPageAt(pn);
    
    PdfContents* pdfContent = curPdfPage.GetContents();

    PdfObject oneObject = pdfContent->GetObject();
    if (oneObject.IsArray())
    {
        PdfArray& array = oneObject.GetArray();
        for (auto& element : array)
        {
            std::cout << element.ToString() << std::endl;
        }
    }
    else if (oneObject.HasStream())
    {
        PdfObjectStream* stream = oneObject.GetStream();
    }
    else if (oneObject.IsDictionary())
    {
        PdfDictionary& dict = oneObject.GetDictionary();
 

    }

但我不确定我是否走在正确的道路上...... 我仍然没有数据/文本（std::string 类型）。