Парсинг множества документов PDF с сохранением полученных данных в БД

@stels009 · Регистрация: 05.04.2011

Студворк — интернет-сервис помощи студентам

Всем доброго времени суток.
Ситуация такая, что у меня есть куча PDF файлов из которых нужно вытащить данные в мою базу данных, все файлы однотипные и во всех этих файла информация находится в одном и том же месте (в файле), но вот вопрос возникает как это сделать, с одной стороны можно конвертировать PDF в текстовый файл и уже отудава парсить инфу, либо же если это возможно, то парсить напрямую и PDF, по этой теме столкнулся с библиотекой iTextSharp, но по ее использованию нашел только как создать файл, а вот по поводу того как получить из него информацию я так и не понял, может кто из вас уже сталкивался с такой задачей и знает как ее лучше всего решить.

@valera_21 · 01.08.2014, 17:34

например http://stackoverflow.com/quest... or-c-sharp

Dywar · 01.08.2014, 20:41

Посмотрите эту тему https://www.cyberforum.ru/csha... 37290.html
код есть для чтения сразу в текст.

@stels009 · 02.08.2014, 00:38 **[ТС]**

Сообщение от Dywar

Посмотрите эту тему Работа с PDF (iTextSharp)
код есть для чтения сразу в текст.

Ссылка не активна.

Dywar · 02.08.2014, 18:22

C#
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
private string ExtractText(string pathToPdfFile)
        {
            System.IO.FileInfo fiPdf = new FileInfo(pathToPdfFile);
 
            if (fiPdf.Extension.ToLower() != ".pdf")
                return null;
 
            PdfReader reader = new PdfReader(pathToPdfFile);
 
            string txt = string.Empty;
            for (int countPdfPage = 1; countPdfPage <= reader.NumberOfPages; countPdfPage++)
            {
                txt += PdfTextExtractor.GetTextFromPage(reader, countPdfPage, new LocationTextExtractionStrategy());
            }
 
            return txt;
        }

Новые блоги и статьи Все статьи Все блоги /
PhpStorm 2025.3: WSL Terminal всегда стартует в ~ and_y87 14.12.2025 PhpStorm 2025. 3: WSL Terminal всегда стартует в ~ (home), игнорируя директорию проекта Симптом: После обновления до PhpStorm 2025. 3 встроенный терминал WSL открывается в домашней директории. . .	Как объединить две одинаковые БД Access с разными данными VikBal 11.12.2025 Помогите пожалуйста !! Как объединить 2 одинаковые БД Access с разными данными.	Новый ноутбук volvo 07.12.2025 Всем привет. По скидке в "черную пятницу" взял себе новый ноутбук Lenovo ThinkBook 16 G7 на Амазоне: Ryzen 5 7533HS 64 Gb DDR5 1Tb NVMe 16" Full HD Display Win11 Pro	Музыка, написанная Искусственным Интеллектом volvo 04.12.2025 Всем привет. Некоторое время назад меня заинтересовало, что уже умеет ИИ в плане написания музыки для песен, и, собственно, исполнения этих самых песен. Стихов у нас много, уже вышли 4 книги, еще 3. . .	От async/await к виртуальным потокам в Python IndentationError 23.11.2025 Армин Ронахер поставил под сомнение async/ await. Создатель Flask заявляет: цветные функции - провал, виртуальные потоки - решение. Не threading-динозавры, а новое поколение лёгких потоков. Откат?. . .
Поиск "дружественных имён" СОМ портов Argus19 22.11.2025 Поиск "дружественных имён" СОМ портов На странице: https:/ / norseev. ru/ 2018/ 01/ 04/ comportlist_windows/ нашёл схожую тему. Там приведён код на С++, который показывает только имена СОМ портов, типа,. . .	Сколько Государство потратило денег на меня, обеспечивая инсулином. Programma_Boinc 20.11.2025 Сколько Государство потратило денег на меня, обеспечивая инсулином. Вот решила сделать интересный приблизительный подсчет, сколько государство потратило на меня денег на покупку инсулинов. . . .	Ломающие изменения в C#.NStar Alpha Etyuhibosecyu 20.11.2025 Уже можно не только тестировать, но и пользоваться C#. NStar - писать оконные приложения, содержащие надписи, кнопки, текстовые поля и даже изображения, например, моя игра "Три в ряд" написана на этом. . .	Мысли в слух kumehtar 18.11.2025 Кстати, совсем недавно имел разговор на тему медитаций с людьми. И обнаружил, что они вообще не понимают что такое медитация и зачем она нужна. Самые базовые вещи. Для них это - когда просто люди. . .	Создание Single Page Application на фреймах krapotkin 16.11.2025 Статья исключительно для начинающих. Подходы оригинальностью не блещут. В век Веб все очень привыкли к дизайну Single-Page-Application . Быстренько разберем подход "на фреймах". Мы делаем одну. . .

@stels009 16 / 15 / 1 Регистрация: 05.04.2011 Сообщений: 426

	Парсинг множества документов PDF с сохранением полученных данных в БД 01.08.2014, 12:47. Показов 5830. Ответов 4 Метки нет (Все метки) Всем доброго времени суток. Ситуация такая, что у меня есть куча PDF файлов из которых нужно вытащить данные в мою базу данных, все файлы однотипные и во всех этих файла информация находится в одном и том же месте (в файле), но вот вопрос возникает как это сделать, с одной стороны можно конвертировать PDF в текстовый файл и уже отудава парсить инфу, либо же если это возможно, то парсить напрямую и PDF, по этой теме столкнулся с библиотекой iTextSharp, но по ее использованию нашел только как создать файл, а вот по поводу того как получить из него информацию я так и не понял, может кто из вас уже сталкивался с такой задачей и знает как ее лучше всего решить. 0

@valera_21 484 / 439 / 123 Регистрация: 05.01.2010 Сообщений: 1,848
	01.08.2014, 17:34
	например http://stackoverflow.com/quest... or-c-sharp 1

Dywar 675 / 421 / 44 Регистрация: 09.07.2012 Сообщений: 1,419
	01.08.2014, 20:41
	Посмотрите эту тему https://www.cyberforum.ru/csha... 37290.html код есть для чтения сразу в текст. 1