Aspose.Pdf是一款功能强大的PDF文档处理控件，可以用于Java和.NET下，使用控件提供的API可以对PDF文件进行各种操作，这篇文章主要介绍怎么利用
Aspose.Pdf提供的API对PDF文档进行文本提取，控件提供了多种方法对PDF文件里的文本进行提取，一是通过控件提供的TextAbsorber类，还有一种是使用TextDevice类进行文本提取，当提取文本时可以是对整个PDF文件进行文本提取，也可以是对某页进行文本提取。
下面的代码详细阐述了该功能是如何实现的，值得注意的是文本提取功能只有正式版才可以实现，试用版提取出来的文本时空值。
1.使用TextDevice类进行PDF文本的提取
//open document
Document pdfDocument = new Document("input.pdf");
System.Text.StringBuilder builder = new System.Text.StringBuilder();
//string to hold extracted text
string extractedText="";
foreach (Page pdfPage in pdfDocument.Pages)
{
using (MemoryStream textStream = new MemoryStream())
{
//create text device
TextDevice textDevice = new TextDevice();
//set text extraction options - set text extraction mode (Raw or Pure)
TextExtractionOptions textExtOptions = new
TextExtractionOptions(TextExtractionOptions.TextFormattingMode.Pure);
textDevice.ExtractionOptions = textExtOptions;
//convert a particular page and save text to the stream
textDevice.Process(pdfPage, textStream);
//close memory stream
textStream.Close();
//get text from memory stream
extractedText = Encoding.Unicode.GetString(textStream.ToArray());
}
builder.Append(extractedText);
}
// save the extracted text in text file
File.WriteAllText("c:/pdftest/input_Text_Extracted.txt", builder.ToString());
2.使用TextAbsorber类进行PDF文件的文本提取
//open document
Document pdfDocument = new Document("input.pdf");
//create TextAbsorber object to extract text
TextAbsorber textAbsorber = new TextAbsorber();
//accept the absorber for all the pages
pdfDocument.Pages.Accept(textAbsorber);
//get the extracted text
string extractedText = textAbsorber.Text;
// create a writer and open the file
TextWriter tw = new StreamWriter("extracted-text.txt");
// write a line of text to the file
tw.WriteLine(extractedText);
// close the stream
tw.Close();
在使用时注意PDF文件里是否包含有文本对象，如果是图片，那么只有提取出图片，再使用OCR功能进行文字的识别。
