是否有一种简单的方法可以手动解码 FlateDecode 过滤器以提取 PDF 中的文本？C＃

Question

我张贴了与此相关的一个问题而回，但没有得到回应。从那以后，我发现 PDF 是使用 FlateDecode 编码的，我想知道是否有办法在 C#（Windows Phone 8）中手动解码 PDF？我得到如下输出：

%PDF-1.5
%????
1 0 obj
<<
/Type /Catalog
/Pages 2 0 R
>>
endobj
5 0 obj
<<
/Filter /FlateDecode
/Length 9
>>
stream x^+

PDF 是使用 Windows Phone 8 的 SyncFusion PDF 控件创建的。不幸的是，它们目前没有文本提取功能，我也无法在其他 WP PDF 控件中找到该功能。

基本上，我想要的只是从 OneDrive 下载 PDF 并阅读 PDF 内容。好奇这是否容易实现？

Answer 1

private static string decompress(byte[] input)
{
    byte[] cutinput = new byte[input.Length - 2];
    Array.Copy(input, 2, cutinput, 0, cutinput.Length);

    var stream = new MemoryStream();

    using (var compressStream = new MemoryStream(cutinput))
    using (var decompressor = new DeflateStream(compressStream, CompressionMode.Decompress))
        decompressor.CopyTo(stream);

    return Encoding.Default.GetString(stream.ToArray());
}

根据下面的类似问题，必须从流中剪切流的前 2 个字节。这是在上面的函数中完成的。只需将流的所有字节传递给输入。确保字节数与指定的长度相同。

C# 解码（解压）PDF 文件的压缩数据

Answer 2

最简单的解决方案是使用.NET框架提供的DeflateStream 。示例可以在类似线程中找到。这种方法可能存在一些缺陷。

如果这不起作用，可以使用一些库（例如DotNetZip），能够进行 deflate 流解压缩。请检查此链接以进行性能比较。

我看到的最后一个可能的选择是使用其他 PDF 解析库，并将其用于流解压缩，甚至用于整个 PDF 处理，而无需重新发明轮子。