Aspose.pdf有直接把文本格式的pdf（连带书签）直接转换成图片格式的pdf功能吗？

sweetime · December 3, 2020, 4:46am

想把文本格式的pdf文件直接转成图片格式的pdf文件（书签一并跟过来，点击可跳转），有没有比较简便的方法，不需要把每页pdf转成图片后再转为pdf。或者从文本格式的pdf文本中读取书签再写入图片格式的pdf文件中，谢谢。

asad.ali · December 3, 2020, 8:06pm

@sweetime

您能否将示例PDF文件与预期的输出格式（即图像或文本文件）共享。我们将在我们的环境中测试该场景并相应地解决它。

sweetime · December 4, 2020, 3:16am

PDF.zip (670.7 KB)
已上传，两个PDF文件中都有书签，麻烦帮忙看看，谢谢。@asad.ali

asad.ali · December 6, 2020, 10:02pm

@sweetime

请尝试使用以下代码段，并在我们这边检查使用它生成的附件输出文件。

Aspose.Pdf.Document document = new Aspose.Pdf.Document(dataDir + "文本格式PDF.pdf");
Document doc = new Document();
// Create PdfBookmarkEditor
Facades.PdfBookmarkEditor bookmarkEditor = new Facades.PdfBookmarkEditor();
bookmarkEditor.BindPdf(document);
// Extract bookmarks
Aspose.Pdf.Facades.Bookmarks bookmarks = bookmarkEditor.ExtractBookmarks();
NameValueCollection lstPages = new NameValueCollection();
foreach (Aspose.Pdf.Facades.Bookmark bookmark in bookmarks)
{
 PngDevice device = new PngDevice(new Resolution(300));
 MemoryStream stream = new MemoryStream();
 device.Process(document.Pages[bookmark.PageNumber], stream);

 var page = doc.Pages.Add();
 Aspose.Pdf.Image img = new Image();
 img.ImageStream = stream;
 page.Paragraphs.Add(img);
 lstPages.Add(bookmark.Title, page.Number.ToString());
}
OutlineItemCollection pdfOutline = new OutlineItemCollection(doc.Outlines);
pdfOutline.Title = lstPages.Keys[0];
// Set the destination page number
pdfOutline.Action = new GoToAction(doc.Pages[Convert.ToInt32(lstPages[0])]);
// Add bookmark in the document's outline collection.
for (int i = 1; i < lstPages.Count; i++)
{
 OutlineItemCollection pdfChildOutline = new OutlineItemCollection(doc.Outlines);

 pdfChildOutline.Title = lstPages.Keys[i];
 pdfChildOutline.Italic = true;
 pdfChildOutline.Bold = true;

 pdfChildOutline.Action = new GoToAction(doc.Pages[Convert.ToInt32(lstPages[i])]);
 // Add child bookmark in parent bookmark's collection
 pdfOutline.Add(pdfChildOutline);
}
doc.Outlines.Add(pdfOutline);
doc.Save(dataDir + "output.pdf");

如果您需要进一步的帮助，请随时告诉我们。
output.pdf (3.2 MB)

sweetime · December 7, 2020, 8:22am

@asad.ali
感谢回复。我试了一下，书签问题完美解决。
但转换出来的pdf文件不知道是不是pdf页面的问题，图像都变形了，而且原pdf文件页面有纵、横向，此代码转换后应该只有横向，这可能是变形的原因。刚接触aspose.pdf，不知道怎么改，能否麻烦帮忙再看看。谢谢。

asad.ali · December 7, 2020, 11:43pm

@sweetime

您可以按以下方式更改图片添加代码，以生成正确的输出，并告诉我们您是否仍然遇到任何问题：

Aspose.Pdf.Image img = new Image();
img.ImageStream = stream;
page.PageInfo.Margin = new MarginInfo(0, 0, 0, 0);
page.PageInfo.Height = new Bitmap(stream).Height;
page.PageInfo.Width = new Bitmap(stream).Width;
page.Paragraphs.Add(img);

output.pdf (3.2 MB)

sweetime · December 8, 2020, 1:19am

@asad.ali
感谢asad.ali ，图片输出变形的问题已解决。
倒是书签那个还有点小问题再麻烦您一下。
您给出的代码在处理只有一个一级书签+子书签时没有问题，如果有两个或两个以上一级书签带子书签时（见附件），
pdfChildOutline.Action = new GoToAction(doc.Pages[Convert.ToInt32(lstPages[i])])这行就会出现”输入字符串的格式不正确“，查了一下，似乎是lstPages[i]出现了负数，麻烦再帮我看看，万分感谢。报价合并文件(包).zip (30.7 KB)

asad.ali · December 8, 2020, 11:39pm

@sweetime

您共享的文件是Excel文件。您能否提供样本PDF文档，以便我们可以在我们的环境中测试场景并相应地解决它？

sweetime · December 8, 2020, 11:57pm

搞错了，重新上传。
文本格式PDF.zip (69.2 KB)

asad.ali · December 9, 2020, 12:24am

@sweetime

请尝试使用以下代码段，如果需要进一步的帮助，请告诉我们。

Aspose.Pdf.Document document = new Aspose.Pdf.Document(dataDir + "文本格式PDF.pdf");
Document doc = new Document();
// Create PdfBookmarkEditor
Facades.PdfBookmarkEditor bookmarkEditor = new Facades.PdfBookmarkEditor();
bookmarkEditor.BindPdf(document);
// Extract bookmarks
Aspose.Pdf.Facades.Bookmarks bookmarks = bookmarkEditor.ExtractBookmarks();
List<NameValueCollection> lstPages = new List<NameValueCollection>();
foreach (Aspose.Pdf.Facades.Bookmark bookmark in bookmarks)
{
 PngDevice device = new PngDevice(new Resolution(300));
 MemoryStream stream = new MemoryStream();
 device.Process(document.Pages[bookmark.PageNumber], stream);

 var page = doc.Pages.Add();
 Aspose.Pdf.Image img = new Image();
 img.ImageStream = stream;
 page.PageInfo.Margin = new MarginInfo(0, 0, 0, 0);
 page.PageInfo.Height = new Bitmap(stream).Height;
 page.PageInfo.Width = new Bitmap(stream).Width;
 page.Paragraphs.Add(img);
 NameValueCollection nvc = new NameValueCollection();
 nvc.Add(bookmark.Title, page.Number.ToString());
 lstPages.Add(nvc);
}
OutlineItemCollection pdfOutline = new OutlineItemCollection(doc.Outlines);
pdfOutline.Title = lstPages[0].Keys[0];
// Set the destination page number
pdfOutline.Action = new GoToAction(doc.Pages[Convert.ToInt32(lstPages[0][0])]);
// Add bookmark in the document's outline collection.
for (int i = 1; i < lstPages.Count; i++)
{
 OutlineItemCollection pdfChildOutline = new OutlineItemCollection(doc.Outlines);

 pdfChildOutline.Title = lstPages[i].Keys[0];
 pdfChildOutline.Italic = true;
 pdfChildOutline.Bold = true;

 pdfChildOutline.Action = new GoToAction(doc.Pages[Convert.ToInt32(lstPages[i][0])]);
 // Add child bookmark in parent bookmark's collection
 pdfOutline.Add(pdfChildOutline);
}
doc.Outlines.Add(pdfOutline);
doc.Save(dataDir + "output.pdf");

sweetime · December 9, 2020, 1:57am

@asad.ali
回复非常迅速，十分感谢。可能我的需求没描述清楚，第二个一级书签层级没调整过来。（即生成书签层级与原文本格式pdf一样）我在附件里发了对比，麻烦再帮忙看看，谢谢。pdf.png (29.0 KB)

asad.ali · December 9, 2020, 8:21pm

@sweetime

经过进一步调查，我们能够准备更清洁的解决方案。请尝试使用以下代码段：

Aspose.Pdf.Document document = new Aspose.Pdf.Document(dataDir + "文本格式PDF.pdf");
Document doc = new Document();
// Create PdfBookmarkEditor
Facades.PdfBookmarkEditor bookmarkEditor = new Facades.PdfBookmarkEditor();
bookmarkEditor.BindPdf(document);
// Extract bookmarks
Aspose.Pdf.Facades.Bookmarks bookmarks = bookmarkEditor.ExtractBookmarks();
List<Aspose.Pdf.Facades.Bookmark> lstPages = new List<Aspose.Pdf.Facades.Bookmark>();
foreach (Aspose.Pdf.Facades.Bookmark bookmark in bookmarks)
{
 PngDevice device = new PngDevice(new Resolution(300));
 MemoryStream stream = new MemoryStream();
 device.Process(document.Pages[bookmark.PageNumber], stream);

 var page = doc.Pages.Add();
 Aspose.Pdf.Image img = new Image();
 img.ImageStream = stream;
 page.PageInfo.Margin = new MarginInfo(0, 0, 0, 0);
 page.PageInfo.Height = new Bitmap(stream).Height;
 page.PageInfo.Width = new Bitmap(stream).Width;
 page.Paragraphs.Add(img);
 bookmark.PageNumber = page.Number;
 bookmark.PageDisplay_Zoom = 0;
 bookmark.PageDisplay_Top = Convert.ToInt32(page.PageInfo.Height);
 bookmark.PageDisplay_Left = 0;
 lstPages.Add(bookmark);
}
Facades.PdfBookmarkEditor bookmarkEditor2 = new Facades.PdfBookmarkEditor();
bookmarkEditor2.BindPdf(doc);

foreach (Aspose.Pdf.Facades.Bookmark bookmark in lstPages)
{
 if (bookmark.Level == 1)
 {
  bookmarkEditor2.CreateBookmarks(bookmark);
 }
}
doc.Save(dataDir + "output.pdf");

output.pdf (6.3 MB)

sweetime · December 12, 2020, 5:29am

PDF较大时会出现内存不足的情况，我把Resolution(300)中的300改小点就没问题了。
其它的完美解决，多谢。

sweetime · December 14, 2020, 5:14am

@asad.ali

还得麻烦您，这个代码有个问题，转换后pdf的页数比转换前的pdf文件少，应该是只转换了有书签的页面，没有书签的页面没转换过来，麻烦再帮我看看，谢谢。pdf.zip (2.5 MB)

asad.ali · December 14, 2020, 9:38pm

@sweetime

是的，您是对的，前面的代码段仅将加书签的页面转换为图像。为了将每个页面转换为图像并复制书签，请使用以下代码：

Aspose.Pdf.Document document = new Aspose.Pdf.Document(dataDir + "文本格式.pdf");
Document doc = new Document();
// Create PdfBookmarkEditor
Facades.PdfBookmarkEditor bookmarkEditor = new Facades.PdfBookmarkEditor();
bookmarkEditor.BindPdf(document);
            
foreach(var targetpage in document.Pages)
{
 PngDevice device = new PngDevice(new Resolution(300));
 MemoryStream stream = new MemoryStream();
 device.Process(targetpage, stream);

 var page = doc.Pages.Add();
 Aspose.Pdf.Image img = new Image();
 img.ImageStream = stream;
 page.PageInfo.Margin = new MarginInfo(0, 0, 0, 0);
 page.PageInfo.Height = new Bitmap(stream).Height;
 page.PageInfo.Width = new Bitmap(stream).Width;
 page.Paragraphs.Add(img);
}

// Extract bookmarks
Aspose.Pdf.Facades.Bookmarks bookmarks = bookmarkEditor.ExtractBookmarks();
List<Aspose.Pdf.Facades.Bookmark> lstPages = new List<Aspose.Pdf.Facades.Bookmark>();
foreach (Aspose.Pdf.Facades.Bookmark bookmark in bookmarks)
{
 bookmark.PageDisplay_Zoom = 0;
bookmark.PageDisplay_Top = Convert.ToInt32(doc.Pages[bookmark.PageNumber].PageInfo.Height);
 bookmark.PageDisplay_Left = 0;
 lstPages.Add(bookmark);
}
Facades.PdfBookmarkEditor bookmarkEditor2 = new Facades.PdfBookmarkEditor();
bookmarkEditor2.BindPdf(doc);

foreach (Aspose.Pdf.Facades.Bookmark bookmark in lstPages)
{
 if (bookmark.Level == 1)
 {
  bookmarkEditor2.CreateBookmarks(bookmark);
 }
}
doc.Save(dataDir + "output.pdf");

sweetime · December 15, 2020, 11:07am

@asad.ali
谢谢您。

device.Process(targetpage, stream)这行会显示“错误 CS1503 参数 1: 无法从“object”转换为“Aspose.Pdf.Page”，
我把foreach (var targetpage in document.Pages)改为 foreach (Aspose.Pdf.Page targetpage in document.Pages)后正常运行。
但doc.Save(dfile)这行会出现System.ArgumentException:“Invalid image stream (内存不足。)”
的错误信息（测试文件见附件），麻烦再帮忙看看，谢谢。

顺便咨询一下，aspose.pdf有没有双层pdf功能，即图片格式pdf文件在adobe acrobat进行OCR操作后，可以复制其中的文本。文本格式.zip (652.9 KB)

asad.ali · December 16, 2020, 12:20am

@sweetime

在处理大型PDF文档时，建议使用x64调试模式。您能否确定您的项目正在使用x64调试模式，并让我们知道问题是否仍然存在？

sweetime · December 16, 2020, 4:37am

@asad.ali 果真如此，又学了一招了。十分感谢。
还要劳驾您，aspose.pdf有没有双层pdf功能，即同一页一层是文本，一层是图片。

asad.ali · December 16, 2020, 10:58pm

@sweetime

根据我们的理解，您需要将不可搜索的PDF文件转换为可搜索的文档。为此，请尝试在Tesseract中使用以下代码段。

Document doc = new Document("D:/Downloads/input.pdf");
doc.Convert(CallBackGetHocr);
doc.Save("E:/Data/pdf_searchable.pdf");
//********************* CallBackGetHocr method ***********************//
static string CallBackGetHocr(System.Drawing.Image img)
{
    string dir = @"E:\Data\";
    img.Save(dir + "ocrtest.jpg");
    ProcessStartInfo info = new ProcessStartInfo(@"C:\Program Files (x86)\Tesseract-OCR\tesseract.exe");
    info.WindowStyle = ProcessWindowStyle.Hidden;
    info.Arguments = @"E:\data\ocrtest.jpg E:\data\out hocr";
    Process p = new Process();
    p.StartInfo = info;
    p.Start();
    p.WaitForExit();
    StreamReader streamReader = new StreamReader(@"E:\data\out.html");
    string text = streamReader.ReadToEnd();
    streamReader.Close();
    return text;
}

sweetime · December 21, 2020, 5:07am

是的。
我得琢磨一下您给的代码。十分感谢。