Excel催化剂开源第31波-pdf相关功能实现及类库介绍

Excel催化剂

发布于 2021-08-19 15:36:49

1K0

在Excel催化剂刚推出的pdf相关功能中，反馈很热烈，不止是用户层面好多人喜欢，也听到在.NET开发群里有询问pdf在winform上展现的功能诉求，一段时间没写开源篇，生怕大家以为Excel催化剂太小气了，不再开发了，赶紧趁着还有余温，补上一篇pdf相关的技术要点和好用轮子简介

pdf转图片

pdf转图片的功能，找了好久，百度肯定是没答案的了，或者找到的都是一堆堆的软文，指向云csdn下载破解版dll，这种事情在我大中华出现多了，也不足为怪了。

在google上也找了好大一圈，好多的方案还是不好用或者没看懂，其中一个方案是要求以COM的方式云调用Adobe的pdf软件，这肯定没有吸引力的，虽然我大中国是很有办法找Adobe的破解版软件，但听说Adobe咬起人来，比狼还要狠，动不动罚你个天价不为奇，程序员就不要往这里靠了。

最后，在github上一个很无名的小项目上抄到了代码，不敢独占，也献上了一个宝贵星星。

github上的示例

调用的是PdfiumViewer轮子。这个轮子又依赖于PDFium轮子，PDFium好像分86和64两个版本。

源代码节录

直接在nuget上搜PDFium会有多个版本，用PdfiumViewer搜索，好像可以搜索到不分86和64的版本，现在用着是它，没测试过32位机器是否不会出问题。

PdfiumViewer关键词下好像有一个86和64合成版

PdfiumViewer更多的用途可以在winform上显示pdf文档，这里只是借用了人家直接pdf转图片的小部分功能。

pdf抽取表格内容

同样最后在github上找到了，寻找过程也是很曲折，不展开了。大家用到时，不妨多多给原作者打个星星。

github上的轮子

这个类库的调用，有点奇怪，他拿到Table后，不能很方便地取到Table上的内容，结果只能用Table.ToString()拿到文本，再自己云拆解。里面提供的Table的行、列坐标，貌似测试了好久，不能用来在itextSharp上提取到数据。

pdf提取内容

这个用的是itextSharp，但听说这个是开源有限制的，5.0高版本的不能用在商业软件上。有大牛可以用最后的开源无限制版本写一下提取文本的代码给我下就最好，现在暂时还是用着人家5.0的版本，在中国应该问题不大吧，还好Excel催化剂是免费的，应该不算是商业用途吧。求专业人士指导下。网络上的代码都是基于5.0写出来的，实在抄不到4.x版本的代码。

代码很简单，随便一搜就有，包括百度，可能文章长度有限制就不帖代码了。

pdf提取图片

这个也是用的itextSharp，厚道点，这里直接给大家贴代码，不用花时间找了。

        public static Dictionary<string, System.Drawing.Image> ExtractImages(string filename)
        {
            var images = new Dictionary<string, System.Drawing.Image>();
            using (var reader = new PdfReader(filename))
            {
                var parser = new PdfReaderContentParser(reader);
                ImageRenderListener listener = null;
                for (var i = 1; i <= reader.NumberOfPages; i++)
                {
                    parser.ProcessContent(i, (listener = new ImageRenderListener()));
                    var index = 1;
                    if (listener.Images.Count > 0)
                    {

                        foreach (var pair in listener.Images)
                        {
                            images.Add(string.Format("{0}_Page_{1}_{2}{3}",
                                System.IO.Path.GetFileNameWithoutExtension(filename), i.ToString("D3"), index.ToString("D3"), pair.Value), pair.Key);
                            index++;
                        }
                    }
                }
                return images;
            }
        }
    }
  internal class ImageRenderListener : IRenderListener
    {

        Dictionary<System.Drawing.Image, string> images = new Dictionary<System.Drawing.Image, string>();

        public Dictionary<System.Drawing.Image, string> Images
        {
            get { return images; }
        }

        public void BeginTextBlock() { }
        public void EndTextBlock() { }
        public void RenderImage(ImageRenderInfo renderInfo)
        {
            try
            {
                PdfImageObject image = renderInfo.GetImage();
                PdfName filter = (PdfName)image.Get(PdfName.FILTER);
                if (filter != null)
                {
                    System.Drawing.Image drawingImage = image.GetDrawingImage();
                    string extension = ".";
                    if (filter == PdfName.DCTDECODE)
                    {
                        extension += PdfImageObject.ImageBytesType.JPG.FileExtension;
                    }
                    else if (filter == PdfName.JPXDECODE)
                    {
                        extension += PdfImageObject.ImageBytesType.JP2.FileExtension;
                    }
                    else if (filter == PdfName.FLATEDECODE)
                    {
                        extension += PdfImageObject.ImageBytesType.PNG.FileExtension;
                    }
                    else if (filter == PdfName.LZWDECODE)
                    {
                        extension += PdfImageObject.ImageBytesType.CCITT.FileExtension;
                    }
                    this.Images.Add(drawingImage, extension);
                }
            }
            catch (Exception)
            {

            }
        }

        public void RenderText(TextRenderInfo renderInfo)
        {

        }


    }

图片转pdf

这个也是用的itextSharp，因为想做到按图片大小来调整当前页的尺寸，测试了好久，还是厚道着给大家献上劳动成果吧。

        private static void InsertPicToPdf(string saveFilePath, List<(string FilePath, float Width, float Height, byte[] ImageData)> listImageInfo)
        {
            var firstImage = listImageInfo.FirstOrDefault();
            var rec = new Rectangle(firstImage.Width, firstImage.Height);

            Document doc = new Document(rec, 0, 0, 0, 0);
            PdfWriter.GetInstance(doc, new FileStream(saveFilePath, FileMode.Create));
            doc.Open();
            var firstImagePage = iTextSharp.text.Image.GetInstance(firstImage.ImageData);
            firstImagePage.ScalePercent(24F);
            doc.Add(firstImagePage);

            int ipage = 0;
            foreach (var item in listImageInfo.Skip(1))
            {
                ipage++;
                if (ipage > 1)
                {
                    doc.NewPage();
                }

                var rectangle = new Rectangle(item.Width, item.Height);
                doc.SetPageSize(rectangle);
                doc.SetMargins(0, 0, 0, 0);
                var inertImage = iTextSharp.text.Image.GetInstance(item.ImageData);
                inertImage.ScalePercent(24F);
                doc.Add(inertImage);

            }

            doc.Close();
        }

  private static List<(string FilePath, float width, float Height, byte[] ImageData)> GetImageInfos(List<string> filePaths)
        {
            List<(string FilePath, float width, float Height, byte[] ImageData)> listImageInfo = new List<(string FilePath, float width, float Height, byte[] ImageData)>();
            foreach (var picPath in filePaths)
            {
                string ext = Path.GetExtension(picPath).ToLower();
                ImageFormat imageFormat = ext == ".png" ? ImageFormat.Png : ext == ".bmp" ? ImageFormat.Bmp : ext == ".gif" ? ImageFormat.Gif : ImageFormat.Jpeg;
                System.Drawing.Image image = System.Drawing.Image.FromFile(picPath);
                float height = image.Height * 0.24F;
                float width = image.Width * 0.24F;

                MemoryStream mstream = new MemoryStream();
                image.Save(mstream, imageFormat);
                byte[] byData = new Byte[mstream.Length];
                mstream.Position = 0;
                mstream.Read(byData, 0, byData.Length);
                mstream.Close();

                listImageInfo.Add((picPath, width, height, byData));

            }
            return listImageInfo;
        }

搞了好久老是错位，最终才测试出第2页时不要NewPage才行。

                if (ipage > 1)
                {
                    doc.NewPage();
                }

代码出处的作者，大概意思是pdf的分辨率是72pi，不是打印机的300pi，所以要缩小为原大小的24%，打印效果才比较好。

                System.Drawing.Image image = System.Drawing.Image.FromFile(picPath);
                float height = image.Height * 0.24F;
                float width = image.Width * 0.24F;