C++實(shí)現(xiàn)批量提取PDF內(nèi)容
以下分別介紹基于 C++ 批量提取 PDF 里文字內(nèi)容并導(dǎo)出到表格,以及批量給 PDF 文件改名的實(shí)現(xiàn)方案、步驟和應(yīng)用場(chǎng)景。

批量提取 PDF 文字內(nèi)容并導(dǎo)出到表格
應(yīng)用場(chǎng)景
文檔數(shù)據(jù)整理:在處理大量學(xué)術(shù)論文、報(bào)告等 PDF 文檔時(shí),需要提取其中的關(guān)鍵信息,如標(biāo)題、作者、摘要等,并整理到表格中,方便后續(xù)的數(shù)據(jù)分析和比較。
信息歸檔:企業(yè)或機(jī)構(gòu)可能有大量的合同、協(xié)議等 PDF 文檔,需要將其中的重要條款、日期、金額等信息提取出來(lái),存儲(chǔ)到表格中進(jìn)行統(tǒng)一管理和查詢。
實(shí)現(xiàn)方案和步驟
1. 選擇合適的庫(kù)
Poppler:用于解析 PDF 文件并提取文字內(nèi)容。Poppler 是一個(gè)開源的 PDF 渲染庫(kù),提供了 C++ 接口,可以方便地進(jìn)行 PDF 文本提取。
LibXL:用于創(chuàng)建和操作 Excel 表格。它是一個(gè)跨平臺(tái)的 C++ 庫(kù),支持創(chuàng)建、讀取和修改 Excel 文件。
2. 安裝依賴庫(kù)
在 Linux 系統(tǒng)上,可以使用包管理器安裝 Poppler 和 LibXL。例如,在 Ubuntu 上可以使用以下命令安裝 Poppler:
sudo apt-get install libpoppler-cpp-dev
對(duì)于 LibXL,需要從其官方網(wǎng)站下載庫(kù)文件,并將其包含到項(xiàng)目中。
3. 編寫代碼
#include <iostream>
#include <fstream>
#include <vector>
#include <string>
#include <poppler/cpp/poppler-document.h>
#include <poppler/cpp/poppler-page.h>
#include "libxl.h"
using namespace libxl;
// 提取 PDF 文件中的文字內(nèi)容
std::string extractTextFromPDF(const std::string& filePath) {
poppler::document* doc = poppler::document::load_from_file(filePath);
if (!doc || doc->is_locked()) {
delete doc;
return "";
}
std::string text;
for (int i = 0; i < doc->pages(); ++i) {
poppler::page* page = doc->create_page(i);
if (page) {
text += page->text().to_latin1();
delete page;
}
}
delete doc;
return text;
}
// 批量提取 PDF 文件內(nèi)容并導(dǎo)出到 Excel 表格
void batchExtractPDFsToExcel(const std::vector<std::string>& pdfFiles, const std::string& outputFilePath) {
Book* book = xlCreateBook();
if (book) {
Sheet* sheet = book->addSheet("PDF Text");
if (sheet) {
for (size_t i = 0; i < pdfFiles.size(); ++i) {
std::string text = extractTextFromPDF(pdfFiles[i]);
sheet->writeStr(i, 0, pdfFiles[i].c_str());
sheet->writeStr(i, 1, text.c_str());
}
}
book->save(outputFilePath.c_str());
book->release();
}
}
int main() {
std::vector<std::string> pdfFiles = {
"file1.pdf",
"file2.pdf",
// 添加更多 PDF 文件路徑
};
std::string outputFilePath = "output.xlsx";
batchExtractPDFsToExcel(pdfFiles, outputFilePath);
return 0;
}4. 編譯和運(yùn)行
使用以下命令編譯代碼:
g++ -o extract_pdf extract_pdf.cpp -lpoppler-cpp -lxl
運(yùn)行生成的可執(zhí)行文件:
./extract_pdf
批量給 PDF 文件改名
應(yīng)用場(chǎng)景
文件整理:當(dāng)從不同來(lái)源收集了大量 PDF 文件,文件名雜亂無(wú)章時(shí),需要根據(jù)文件內(nèi)容或特定規(guī)則對(duì)文件進(jìn)行重命名,以便更好地管理和查找。
數(shù)據(jù)導(dǎo)入:在將 PDF 文件導(dǎo)入到某個(gè)系統(tǒng)或數(shù)據(jù)庫(kù)時(shí),要求文件名遵循一定的命名規(guī)范,此時(shí)需要對(duì)文件進(jìn)行批量重命名。
實(shí)現(xiàn)方案和步驟
1. 選擇合適的庫(kù)
使用標(biāo)準(zhǔn) C++ 庫(kù)中的 <filesystem> (C++17 及以上)來(lái)處理文件和目錄操作。
2. 編寫代碼
#include <iostream>
#include <filesystem>
#include <string>
namespace fs = std::filesystem;
// 批量給 PDF 文件改名
void batchRenamePDFs(const std::string& directoryPath) {
int counter = 1;
for (const auto& entry : fs::directory_iterator(directoryPath)) {
if (entry.is_regular_file() && entry.path().extension() == ".pdf") {
fs::path newPath = entry.path().parent_path() / (std::to_string(counter) + ".pdf");
fs::rename(entry.path(), newPath);
std::cout << "Renamed " << entry.path() << " to " << newPath << std::endl;
++counter;
}
}
}
int main() {
std::string directoryPath = "./pdfs"; // 替換為實(shí)際的 PDF 文件目錄
batchRenamePDFs(directoryPath);
return 0;
}3. 編譯和運(yùn)行
使用以下命令編譯代碼:
g++ -std=c++17 -o rename_pdf rename_pdf.cpp
運(yùn)行生成的可執(zhí)行文件:
./rename_pdf
以上代碼示例提供了基本的實(shí)現(xiàn)思路,你可以根據(jù)實(shí)際需求進(jìn)行擴(kuò)展和修改。
到此這篇關(guān)于C++實(shí)現(xiàn)批量提取PDF內(nèi)容的文章就介紹到這了,更多相關(guān)C++提取PDF內(nèi)容請(qǐng)搜索腳本之家以前的文章或繼續(xù)瀏覽下面的相關(guān)文章希望大家以后多多支持腳本之家!
相關(guān)文章
c語(yǔ)言求出給定范圍內(nèi)的所有質(zhì)數(shù)
本文主要介紹了c語(yǔ)言求出給定范圍內(nèi)的所有質(zhì)數(shù)的小程序。具有很好的參考價(jià)值。下面跟著小編一起來(lái)看下吧2017-04-04
C語(yǔ)言實(shí)現(xiàn)數(shù)據(jù)結(jié)構(gòu)迷宮實(shí)驗(yàn)
這篇文章主要為大家詳細(xì)介紹了C語(yǔ)言實(shí)現(xiàn)數(shù)據(jù)結(jié)構(gòu)迷宮實(shí)驗(yàn),文中示例代碼介紹的非常詳細(xì),具有一定的參考價(jià)值,感興趣的小伙伴們可以參考一下2019-03-03
C語(yǔ)言超詳細(xì)講解棧的實(shí)現(xiàn)及代碼
棧(stack)又名堆棧,它是一種運(yùn)算受限的線性表。限定僅在表尾進(jìn)行插入和刪除操作的線性表。這一端被稱為棧頂,相對(duì)地,把另一端稱為棧底。向一個(gè)棧插入新元素又稱作進(jìn)棧、入?;驂簵#前研略胤诺綏m斣氐纳厦?,使之成為新的棧頂元素2022-04-04
Linux下C語(yǔ)言的幾道經(jīng)典面試題小結(jié)(分享)
下面小編就為大家?guī)?lái)一篇Linux下C語(yǔ)言的幾道經(jīng)典面試題小結(jié)(分享)。小編覺得挺不錯(cuò)的,現(xiàn)在就分享給大家,也給大家做個(gè)參考。一起跟隨小編過(guò)來(lái)看看吧2017-05-05
C語(yǔ)言實(shí)現(xiàn)學(xué)生管理系統(tǒng)總結(jié)
這篇文章主要為大家詳細(xì)介紹了C語(yǔ)言實(shí)現(xiàn)學(xué)生管理系統(tǒng),文中示例代碼介紹的非常詳細(xì),具有一定的參考價(jià)值,感興趣的小伙伴們可以參考一下2022-07-07
vector與map的erase()函數(shù)詳細(xì)解析
vector和map都不能將it++寫在for循環(huán)中,而在循環(huán)體內(nèi)erase(it)2013-09-09
淺談C語(yǔ)言共用體和與結(jié)構(gòu)體的區(qū)別
下面小編就為大家?guī)?lái)一篇淺談C語(yǔ)言共用體和與結(jié)構(gòu)體的區(qū)別。小編覺得挺不錯(cuò)的,現(xiàn)在就分享給大家,也給大家做個(gè)參考。一起跟隨小編過(guò)來(lái)看看吧2017-02-02
C語(yǔ)言實(shí)現(xiàn)BMP圖像處理(哈夫曼編碼)
這篇文章主要為大家詳細(xì)介紹了C語(yǔ)言實(shí)現(xiàn)BMP圖像哈夫曼編碼,文中示例代碼介紹的非常詳細(xì),具有一定的參考價(jià)值,感興趣的小伙伴們可以參考一下2021-10-10

