Преобразование PDF в текст без потери форматирования

Если вы можете проанализировать расположение текстовых символов в вашем PDF-файле, вы, вероятно, сможете добиться некоторого форматирования, вставив пробелы или отступы.

Я знаю, что SDK LEADTOOLS, с которым я знаком, так как работаю на поставщика, имеет класс DocumentConverter, который создает форматированный вывод TXT из входного PDF-файла с форматированием, примерно достигнутым, как описано выше.

Код для этого будет выглядеть так:

using (DocumentConverter documentConverter = new DocumentConverter())
{
   var inFile = @"Input.pdf";
   var outFile = Path.Combine(@"Output.txt");

   var docWriter = new DocumentWriter();
   var textOptions = docWriter.GetOptions(DocumentFormat.Text) as TextDocumentOptions;
   textOptions.DocumentType = TextDocumentType.Ansi;
   textOptions.AddPageNumber = true;
   textOptions.AddPageBreak = true;
   textOptions.Formatted = true;
   docWriter.SetOptions(DocumentFormat.Text, textOptions);
   documentConverter.SetDocumentWriterInstance(docWriter);

   var format = DocumentFormat.Text;
   var jobData = DocumentConverterJobs.CreateJobData(inFile, outFile, format);
   jobData.JobName = "conversion job";
   var job = documentConverter.Jobs.CreateJob(jobData);

   documentConverter.Jobs.RunJob(job);
}

В качестве примера, вот как будет выглядеть выходной текст для конвертации страницы в PDF:

Входные данные:

Результат: