Extraire le texte d'un pdf avec PdfBox en C#

Version imprimable

28/05/2009, 14h51
nadabb

Extraire le texte d'un pdf avec PdfBox en C#

Bonjour,

Je voudrai extraire le texte d'un document pdf en utilisant PdfBox en C#, dans le code que j'ai utilisé j'ai un problème j'ai une erreur que je n'arrive pas à résoudre avec cette partie de code :

Code:

System.Text.Encoding fileInEnc = MyFileStream.GetFileEncoding(fileIn);

--> Le nom 'MyFileStream' n'existe pas dans le contexte actuel .

Pourtant j'ai installé toutes les bibliothèques nécessaire!!
Qu'est ce que je doit faire pour résoudre ce problème ??

Merci.

Tu as bien ces deux lignes dans ton code?
Code:

1 2 FileStream MyFileStream; MyFileStream = new FileStream("fichier.txt", FileMode.Open);

28/05/2009, 15h33
nadabb

En fait quand j'ajoute cette ligne :

Code:

FileStream MyFileStream;

j'ai une autre erreur :

Citation:

'System.IO.FileStream' ne contient pas une définition pour 'GetFileEncoding' et aucune méthode d'extension 'GetFileEncoding' acceptant un premier argument de type 'System.IO.FileStream' n'a été trouvée (une directive using ou une référence d'assembly est-elle manquante*?)
28/05/2009, 15h35
roster

Postes voir la liste de tes imports.

Voilà les "using" que j'ai utilisé dans mon code:

Code:

1
2
3
4
5
6
7
using System;
using System.Collections.Generic;
using System.Linq;
using System.Text;
using org.pdfbox.pdmodel;
using org.pdfbox.util;
using System.IO;

28/05/2009, 16h00
roster

Ca semble correct!
Quand j'aurai VS sous la main et si tu postes ton code, j'essaierai de voir ce qui cloche même si je suis loin d'être un expert.

Merci pour tes réponses, voilà mon code:

Code:

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
36
37
38
39
40
41
42
43
44
45
46
47
48
49
50
51
52
53
54
55
56
57
58
using System;
using System.Collections.Generic;
using System.Linq;
using System.Text;
using org.pdfbox.pdmodel;
using org.pdfbox.util;
using System.IO;
 
 
namespace consoleapp
{
    class program
    {
        static void Main(string[] args)
        {
 
            string path = @"C:\Utilisateur\nadi\Documents\Visual Studio 2008\Projects\PdfBox1\";
            string fileIn = path + "aaa.pdf";
            string fileOut = path + "x.txt";
 
            try
            {
                // Get file encoding  
                //MyFileStream = new FileStream("sometext.txt", FileMode.Open);
                FileStream MyFileStream;
                System.Text.Encoding fileInEnc = MyFileStream.GetFileEncoding(fileIn);
 
                // Read from PDF.  
                ReadFile1(fileIn, fileOut, fileInEnc);
                Console.ReadLine();
            }
 
            catch (System.IO.IOException ioe)
            {
                Console.WriteLine("error " + ioe);
            }
            Console.ReadLine();
        }
 
        public static void ReadFile1(string fileIn, string fileOut, System.Text.Encoding fileInEnc)
        {
            using (FileStream fs = new FileStream(fileOut, FileMode.OpenOrCreate, FileAccess.Write))
            {
                using (BinaryWriter bw = new BinaryWriter(fs)) //,Encoding.Default))
                {
                    bw.Write(ParseUsingPDFBox(fileIn));
                }
            }
        }
 
        private static string ParseUsingPDFBox(string input)
        {
            PDDocument doc = PDDocument.load(input);
            PDFTextStripper stripper = new PDFTextStripper();
            return stripper.getText(doc);
        }
    }
}

sans vouloir dire une bêtise, dans le code suivant :
Code:

1 2 3 4 5 // Get file encoding //MyFileStream = new FileStream("sometext", FileMode.Open); FileStream MyFileStream; System.Text.Encoding fileInEnc = MyFileStream.GetFileEncoding(fileIn);
il manque une ligne (signalée par roster, et qui figure en commentaire dans ton code, pas au bon endroit)

Code:

MyFileStream = new FileStream("sometext.txt", FileMode.Open);

et donc, cette partie-là au complet devrait ressembler à ceci
Code:

1 2 3 // Get file encoding FileStream MyFileStream = new FileStream("sometext.txt", FileMode.Open); System.Text.Encoding fileInEnc = MyFileStream.GetFileEncoding(fileIn);

28/05/2009, 16h26
nadabb

J'ai toujours la même erreur : pas de définition pour GetFileEncoding
Je crois que je doit ajouter un bibliothèque mais je sais pas laquelle !!
28/05/2009, 17h48
roster

Citation:

Envoyé par nadabb

J'ai toujours la même erreur : pas de définition pour GetFileEncoding
Je crois que je doit ajouter un bibliothèque mais je sais pas laquelle !!

D'où il sort le GetFileEncoding()?

'System.Text.Encoding fileInEnc' attend un type d'encodage genre Encoding.GetEncoding( "utf-8" ).

Si tu as la source du code que tu utilises, cela pourra peut-être aider.
28/05/2009, 21h00
nadabb

J'ai modifié le code en remplaçant

Code:

System.Text.Encoding fileInEnc = MyFileStream.GetFileEncoding(fileIn);

par:

Code:

System.Text.Encoding fileInEnc = Encoding.GetEncoding(fileIn);

j'ai plus d'erreurs mais j'ai un avertissement disant que l'exception ArgumentException n'a pas été géré, et que :

Citation:

'C:\Utilisateur\nadi\Documents\Visual Studio 2008\Projects\PdfBox1\aaa.pdf' n'est pas un nom de codage pris en charge.

J'ai pas compris ce que veux dire !!
Merci pour ton aide.