サードパーティのライブラリを使用して、C＃がpdfbox：
システムを使用しました。
System.Collections.Genericを使用しました。
System.Linqのを使用しました。
System.Textのを使用しました。
System.Threading.Tasksを使用しました。
System.IOを使用しました。
org.apache.pdfbox.pdmodelを使用しました。
org.apache.pdfbox.util使用;
System.Collections.Genericを使用しました。
System.Linqのを使用しました。
System.Textのを使用しました。
System.Threading.Tasksを使用しました。
System.IOを使用しました。
org.apache.pdfbox.pdmodelを使用しました。
org.apache.pdfbox.util使用;
名前空間ReadPDF
{
クラスプログラム
{
静的な無効メイン（文字列[] args）
{
文字列パス= String.Formatの（Environment.CurrentDirectory + "/path/Export_001397_32251.pdf"）。
Console.WriteLineを（PDF2TXT（パス））。
Console.ReadKey（）;
}
{
クラスプログラム
{
静的な無効メイン（文字列[] args）
{
文字列パス= String.Formatの（Environment.CurrentDirectory + "/path/Export_001397_32251.pdf"）。
Console.WriteLineを（PDF2TXT（パス））。
Console.ReadKey（）;
}
パブリック静的文字列PDF2TXT（文字列パス）
{
{
PDDocumentドキュメント= NULL;
試す
{
DOC = PDDocument.load（パス）。
PDFTextStripperストリッパー=新しいPDFTextStripper（）;
stripper.getText（DOC）を返します。
}
最後に
{
IF（！DOC = NULL）
{
doc.close（）。
}
}
試す
{
DOC = PDDocument.load（パス）。
PDFTextStripperストリッパー=新しいPDFTextStripper（）;
stripper.getText（DOC）を返します。
}
最後に
{
IF（！DOC = NULL）
{
doc.close（）。
}
}
}
}
}
}
}
参考住所：のhttp：//www.squarepdf.net/how-to-convert-pdf-to-text-in-net-vb
pdflumberやPython pdfmineを使用します
pdfplumberインポート
再インポート
パス= 'パス/ test.pdfという'
PDF = pdfplumber.open（パス）
：でpdf.pagesページのための
印刷（page.extract_text（））
page.extract_tablesでpdf_table用（）：
表= []
細胞= []
pdf_tableの行のための：
IFいない（行）：
行全体が空の場合＃は、レコードの終了とみなす
もしあれば（細胞）：
table.append（細胞）
細胞= []
のelifすべて（行）：
＃行全体が空でない場合、次いで、一方の端部に新しい行については、この節、
もしあれば（細胞）：
table.append（細胞）
細胞= []
table.append（行）
他：
もしLEN（セル）== 0：
細胞=行
他：
範囲（LEN（行））におけるiについて：
：行[i]がNoneでない場合は
細胞[I] =行[I [I]なし他の細胞の細胞である場合] [i]は+行[i]は
テーブル内の行のために：
プリント（[re.sub（「\ S +」、「」、細胞）細胞は、細胞のためなし他なしででない場合行]）
pdf.close（）
輸入SYSの
輸入OS
binascii輸入b2a_hexから
###
### PDF-鉱夫の要件
###
pdfminer.pdfparserインポートPDFParserから
pdfminer.pdfdocument輸入PDFDocumentから、PDFNoOutlines
pdfminer.pdfpageインポートPDFPageから
pdfminer.pdfinterpインポートPDFResourceManagerから、PDFPageInterpreter
からpdfminer.converterインポートPDFPageAggregator
pdfminer.layoutインポートLAParamsから、LTTextBox、LTTextLine、LTFigure、LTImage、LTChar
デフwith_pdf（pdf_doc、FN、pdf_pwd、*引数）：
"" "PDF文書を開き、関数を適用、結果を返します「」」
結果=なし
試み：
＃はPDFファイルを開く
FP =オープン（pdf_doc 'RB '）
＃は、ファイルオブジェクトに関連付けられたパーサオブジェクトを作成
パーサー= PDFParser（FP）
文書構造記憶PDFDocumentオブジェクト作成位
= PDFDocument（パーサ、pdf_pwd）DOC
＃パーサーとドキュメントオブジェクト接続
parser.set_document（DOC）
＃供給初期設定のパスワード
doc.is_extractable場合：
＃は関数を適用し、結果を返します
（* argsを、DOC）結果= FNを
＃は、PDFファイルのクローズ
fp.close（）
：例外IOErrorを除い
＃ファイルが存在しないか、同様の問題の
パス
リターンを結果
###
目次###表
###
DEF _parse_toc（DOC）：
「」「オープンPDFDocumentオブジェクトには、コンテンツ（TOC）データのテーブルを取得
[これはwith_pdfに渡される高次関数です（）]」 ""
TOC = []
試してください
（=のdoc.get_outlinesを概説）
（レベル、タイトル、DEST、SE）のための輪郭で：
toc.append（（レベル、タイトル））
PDFNoOutlines以外は：
通過
返すTOC
DEF get_toc（pdf_doc 、pdf_pwdは= ''）：
"" "" "このpdfファイルのために、もしあれば、コンテンツ（TOC）のテーブルを返す"
）を返すwith_pdf（pdf_doc、_parse_toc、pdf_pwdを
###
###画像を抽出
###
デフWRITE_FILE（フォルダ、ファイル名、FILEDATA、フラグ=「W」）：
「」 "フォルダとファイル名の組み合わせにファイルデータ書き込み
（フラグ：書き込みバイナリ、使用するために、書き込み、テキストのための『W』と『wb』『』代わりに）APPENDための'W' ""」の
結果= Falseの
場合os.path.isdir（フォルダ）：
試してみてください。
file_obj =オープン（os.path.join（フォルダ、ファイル名）、フラグ）
file_obj.write（FILEDATA）
file_obj .close（）
結果=真
例外IOErrorを除く：
合格
リターン結果を
DEF（stream_first_4_bytes）をdetermine_image_type：
""」最初の4（または2）「バイト」」のマジックナンバーの比較に基づいて、画像ファイルの種類を知ります
FILE_TYPE =なし
bytes_as_hex = b2a_hex（stream_first_4_bytes）
bytes_as_hex.startswith場合（ 'FFD8'）：
FILE_TYPE = '.JPEG'
ELIFのbytes_as_hex == '89504e47'：
FILE_TYPE = '' .pngの
elifのbytes_as_hex == 'は47494638'：
FILE_TYPE = ' '.GIF
（424D '）：bytes_as_hex.startswithのelif'
FILE_TYPE =' .bmpの」
戻るFILE_TYPE
DEF save_image（lt_image、PAGE_NUMBER、images_folder）：
"" "このLTImageオブジェクトから画像データを保存しようとすると、ファイル名を返します、成功した""」であれば
、結果=なし
の場合lt_image.stream：
file_stream = lt_image.stream。get_rawdata（）
file_stream場合：
file_ext = determine_image_type（file_stream [0：4]）
場合file_ext：
FILE_NAME = '' .join（[STR（PAGE_NUMBER）、 '_'、lt_image.name、file_ext]）
場合WRITE_FILE（images_folder、FILE_NAME、file_stream、フラグ=」 WB '）：
結果= FILE_NAMEの
リターン結果
###
###抽出本文
###
DEF to_bytestring（S、ENC =' UTF-8' ）：
"" "、バイト文字列に付与されたUnicode文字列を変換し、標準的な符号化を使用して、
それはすでにバイト文字列""」でない限り
sの場合：
：でisinstance（S、STR）であれば
、リターンの
他：
戻りs.encode（ENC）
DEF update_page_text_hash（H、lt_obj、PCT = 0.2）：
"" " "ハッシュ内の関連テキストのリストを生成するために、PCT％以内バウンディングボックスのX0、X1値を使用する""
X0 = lt_obj.bbox [0]
X1 = lt_obj.bbox [2]
key_found = Falseの
kについて、h.items（）におけるV：
hash_x0 = K [0]
であれば、X0> =（hash_x0×（1.0-PCT））及び（hash_x0×（1.0 + PCT））> = X0：
hash_x1 = K [1]
であれば、X1> =（hash_x1×（1.0-PCT））及び（hash_x1×（1.0 + PCT））> = X1：＃
は、このLTの*オブジェクト内のテキストが同じに配置した
として＃幅テキストの前シリーズ、それが一緒に属しているので、
key_found = Trueの
v.append（to_bytestring（lt_obj。GET_TEXT（）））
H [k]は、Vが=
key_foundない場合：
＃テキストは、幅に基づいて、新たなシリーズであり、
それはそれ自身のシリーズ（ハッシュのエントリー）を取得＃ように
時間[（X0、X1）を] = [to_bytestring（lt_obj。 GET_TEXT（））]
戻り時間
デフparse_lt_objs（lt_objs、PAGE_NUMBER、images_folder、テキスト= []）：
"" "LT *オブジェクトのリストを反復し、それぞれに含まれるテキストまたは画像データキャプチャ" ""
TEXT_CONTENT =を[]
BBOX、V =そのバウンディングボックスの幅（物理列）内のテキスト文字列のリストのpage_text = {}＃kは=（X0、X1）
：lt_objsでlt_objための
場合でisinstance（lt_obj、LTTextBox）またはでisinstance（lt_obj、LTTextLine）。
＃テキスト、その論理的にその列幅に基づいて手配
page_text = update_page_text_hash（page_text、lt_obj）
ELIFでisinstance（lt_obj、LTImage）：
＃イメージなので、指定したフォルダに保存して、テキスト内のその場所に注意
saved_file = save_image（lt_obj、PAGE_NUMBER、images_folder）を
saved_file場合：
＃使用テキスト内の画像の位置をマークするためのHTMLスタイルの<img />タグ
text_content.append（ '<IMG SRC = " '+ os.path.join（images_folder、saved_file）+'" />'）
他：
プリント> > sys.stderrを持ち、 "ページ上の画像の保存中にエラー"、PAGE_NUMBER、lt_obj .__ repr__
のelifでisinstance（lt_obj、LTFigure）：
＃LTFigureオブジェクトが他のLT *オブジェクトのコンテナであるので、子供を介して再帰的
text_content.append（parse_lt_objs（lt_obj、PAGE_NUMBER、images_folder、TEXT_CONTENT））
におけるk、Vについて選別（[（キー、値）（キー、値） page_text.items（）]）において、
＃は、ソートキー（X0、バウンディングボックスのX1値）によってpage_textハッシュ
トップダウンを生成する＃は、左から右への関連列の配列
text_content.append（「」 .join（V））
のリターン「\ n'.join（TEXT_CONTENT）
###
###処理ページ
###
デフ_parse_pages（DOC、images_folder）：
""は、 "オープンPDFDocumentオブジェクトを使用すると、ページを取得し、それぞれを解析します1
【このwith_pdfに渡される高次関数である（）] ""」
rsrcmgr = PDFResourceManager（）
laparams = LAParams（）
デバイス= PDFPageAggregator（rsrcmgr、laparams = laparams）
インタプリタ= PDFPageInterpreter（rsrcmgr、デバイス）
TEXT_CONTENT = [ ]
iに対する、列挙内のページ（PDFPage.create_pages（DOC））：
interpreter.process_page（ページ）
＃このページのためLTPageオブジェクトを受け取る
レイアウト= device.get_result（）＃
レイアウトLTTextBoxような子オブジェクトを含むことができるLTPageオブジェクトであります、LTFigure、LTImage等
text_content.append（parse_lt_objs（レイアウト、（I + 1）、images_folder））
戻りTEXT_CONTENT
デフget_pages（pdf_doc、pdf_pwd =「」、images_folder =「/ tmp」の）：
「」「このpdfファイル内の各ページを処理し、各ページで見つかったテキストを表す文字列のリストを返す」「」
（with_pdfを返すpdf_doc 、_parse_pages、pdf_pwd、*タプル（[images_folder]））
、A =オープン（ 'パス/ A.TXT'、 'A'）
get_pages（ 'パス/ Export_001397_32251.pdf'でiに対する）：
a.write（I）
印刷（I）
a.close（）