Discussion :

[Totanne]

Bonjour à tous,
Je cherche a récupérer de façon automatisée des informations présentes dans un document Pdf.
Je ne suis pas franchement motivé pour me plonger dans les peut-être 800 pages du descriptif (le tout en anglais …)
Je me demandais s’il n’existait pas de bibliothèques gratuites tournant autour du format Pdf

[chrisdot]

J'ai trouvé cet article... (utilisation de pdfBox pour .NET)

[Totanne]

Merci beaucoup Chris !
Sur les 3 solutions évoquées, y en a bien une qui devrait faire mon bonheur.
Je suis actuellement sur un autre projet mais je reposterais dans qlq temps après avoir testé ...

[Totanne]

Résolu ... avec iTextSharp (PdfBox marche aussi)
Pour ceux que ca intéresse, voici le petit bout de code qui isole chaque "groupe de mots" par un saut de ligne :

Code :

Sélectionner tout - Visualiser dans une fenêtre à part

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
    Private Function ExtractionTextePdf(ByVal CheminFichier As String) As String
 
        Dim Lecteur As New iTextSharp.text.pdf.PdfReader(CheminFichier)
        Dim Donnees() As Byte = Nothing
        Dim Infos As iTextSharp.text.pdf.PRTokeniser = Nothing
        Dim Resultat As String = String.Empty
 
        For Page As Integer = 1 To Lecteur.NumberOfPages
            Donnees = Lecteur.GetPageContent(Page)
            If Not IsNothing(Donnees) Then
                Infos = New iTextSharp.text.pdf.PRTokeniser(Donnees)
                While Infos.NextToken
                    Select Case Infos.TokenType
                        Case iTextSharp.text.pdf.PRTokeniser.TokType.STRING : Resultat &= Infos.StringValue
                        Case iTextSharp.text.pdf.PRTokeniser.TokType.NAME : Resultat &= vbCrLf
                    End Select
                End While
            End If
        Next
 
        Return Resultat.Trim
 
    End Function

[edemkossi]

J'ai essayé ton code-ci mais je n'obtiens que les 2 ou 3 premieres lignes du pdf en texte. Est ce que le code est complet? Sinon peux tu maider pour une fonction qui me permet d'avoir tout le texte de la page ?


--------------------------------------------------------------------

Résolu ... avec iTextSharp (PdfBox marche aussi)
Pour ceux que ca intéresse, voici le petit bout de code qui isole chaque "groupe de mots" par un saut de ligne :

Code :

Sélectionner tout - Visualiser dans une fenêtre à part

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
    Private Function ExtractionTextePdf(ByVal CheminFichier As String) As String
 
        Dim Lecteur As New iTextSharp.text.pdf.PdfReader(CheminFichier)
        Dim Donnees() As Byte = Nothing
        Dim Infos As iTextSharp.text.pdf.PRTokeniser = Nothing
        Dim Resultat As String = String.Empty
 
        For Page As Integer = 1 To Lecteur.NumberOfPages
            Donnees = Lecteur.GetPageContent(Page)
            If Not IsNothing(Donnees) Then
                Infos = New iTextSharp.text.pdf.PRTokeniser(Donnees)
                While Infos.NextToken
                    Select Case Infos.TokenType
                        Case iTextSharp.text.pdf.PRTokeniser.TokType.STRING : Resultat &= Infos.StringValue
                        Case iTextSharp.text.pdf.PRTokeniser.TokType.NAME : Resultat &= vbCrLf
                    End Select
                End While
            End If
        Next
 
        Return Resultat.Trim
 
    End Function

[Graffito]

Il me semble que la version Trial de TallComponents PdfControls.net permet de récupérer directement les données dans l'attribut Text du document.
http://www.tallcomponents.com/pdfcontrols2.aspx