PDFに画像またはテキストが含まれているかどうかを確認する

背景

PDFファイルにはテキストと画像の両方を含めることができます。場合によっては、ユーザーがPDFファイルにテキストのみが含まれているか、画像のみが含まれているかを確認する必要があります。また、両方を含むか、いずれも含まないかを見つけることもできます。

次のコードスニペットは、この要件を満たす方法を示しています。

 public static void CheckIfPdfContainsTextOrImages()
{
    // メモリストリームオブジェクトをインスタンス化して、ドキュメントから抽出されたテキストを保持する
    MemoryStream ms = new MemoryStream();
    // PdfExtractorオブジェクトをインスタンス化
    PdfExtractor extractor = new PdfExtractor();

    // 入力PDFドキュメントを抽出器にバインド
    extractor.BindPdf(_dataDir + "FilledForm.pdf");
    // 入力PDFドキュメントからテキストを抽出
    extractor.ExtractText();
    // 抽出されたテキストをテキストファイルに保存
    extractor.GetText(ms);
    // MemoryStreamの長さが1以上であるかどうかを確認

    bool containsText = ms.Length >= 1;

    // 入力PDFドキュメントから画像を抽出
    extractor.ExtractImage();

    // whileループ内でHasNextImageメソッドを呼び出し。画像が終了すると、ループが終了
    bool containsImage = extractor.HasNextImage();

    // このPDFがテキストのみか画像のみかを見つける

    if (containsText && !containsImage)
        Console.WriteLine("PDFにはテキストのみが含まれています");
    else if (!containsText && containsImage)
        Console.WriteLine("PDFには画像のみが含まれています");
    else if (containsText && containsImage)
        Console.WriteLine("PDFにはテキストと画像の両方が含まれています");
    else if (!containsText && !containsImage)
        Console.WriteLine("PDFにはテキストも画像も含まれていません");
}

PDFファイルからテキストを抽出