C# 将PDF文档转换为Word文档
CSDN原文章链接：https://blog.csdn.net/wuyanEdwardElrid/article/details/134383379
一.开发框架：
.NetCore6.0 工具：Visual Studio 2022
二.思路：
1.使用SHA256Hash标识文档转换记录，数据库已经存在对应散列值，则直接返还已经转换过的文档
2.数据库没有对应散列值记录的话，则保存上传PDF文档，并进行文档转换，保留Word
3.转换成功，则在数据库记录对应文档的转换记录，用散列值做标识
三.C#后台包：
1.方法一：Spire.PDF转换包（免费的只能一次转换10页）
2.方法二：iTextSharp包，没有10页转换限制
3.mssql数据库连接包
4.iTextSharp包转换Word文档时，文档格式包
四：C#代码案例：
1.PDF转Word方法： a.方法一：Spire.PDF包，PDF转Word方法（旧版，有页码限制）：
/// <summary>
/// PDF文件转化为Word文件
/// </summary>
/// <param name="pdfFilePath"></param>
/// <param name="wordFilePath"></param>
public static void ConvertPdfToWord(string pdfFilePath, string wordFilePath)
{
try
{
Spire.Pdf.PdfDocument pdfDoc = new Spire.Pdf.PdfDocument();
pdfDoc.LoadFromFile(pdfFilePath);
pdfDoc.SaveToFile(wordFilePath, Spire.Pdf.FileFormat.DOCX);
pdfDoc.Close();
}
catch (Exception ex)
{
Console.WriteLine("Error converting PDF to Word: " + ex.Message);
}
}
b.iTextSharp包，没有页码限制：
/// <summary>
/// iTextSharp库PDF文件转Word文件
/// </summary>
/// <param name="pdfFilePath"></param>
/// <param name="wordFilePath"></param>
public static void ConvertPdfToWordByText(string pdfFilePath, string wordFilePath)
{
using (iText.Kernel.Pdf.PdfReader reader = new iText.Kernel.Pdf.PdfReader(pdfFilePath))
{
using (iText.Kernel.Pdf.PdfDocument pdfDoc = new iText.Kernel.Pdf.PdfDocument(reader))
{
Spire.Doc.Document doc = new Spire.Doc.Document();
for (int i = 1; i <= pdfDoc.GetNumberOfPages(); i++)
{
iText.Kernel.Pdf.PdfPage page = pdfDoc.GetPage(i);
var strategy = new iText.Kernel.Pdf.Canvas.Parser.Listener.LocationTextExtractionStrategy();
PdfCanvasProcessor parser = new PdfCanvasProcessor(strategy);
parser.ProcessPageContent(page);
string textFromPage = strategy.GetResultantText();
var paragraph = doc.AddSection().AddParagraph();
paragraph.AppendText(textFromPage);
}
doc.SaveToFile(wordFilePath, Spire.Doc.FileFormat.Docx);
}
}
}
2.获取文件散列值方法（两种）：
a.根据上传文件，获取散列值
/// <summary>
/// 根据上传文件获取文件散列值
/// </summary>
/// <param name="file"></param>
/// <returns></returns>
public string CalculateSHA256Hash(IFormFile file)
{
try
{
using (var sha256 = SHA256.Create())
{
using (var stream = file.OpenReadStream())
{
byte[] hashBytes = sha256.ComputeHash(stream);
string hashString = BitConverter.ToString(hashBytes).Replace("-", String.Empty);
return hashString;
}
}
}
catch (Exception ex)
{
Console.WriteLine("Error calculating SHA256 hash: " + ex.Message);
return null;
}
}
b.根据文件路径，获取散列值
/// <summary>
/// 根据文件路径获取文件散列值
/// </summary>
/// <param name="filePath"></param>
/// <returns></returns>
public string CalculateSHA256Hash(string filePath)
{
try
{
using (FileStream stream = System.IO.File.OpenRead(filePath))
{
SHA256 sha = SHA256.Create();
byte[] hash = sha.ComputeHash(stream);
string hashString = BitConverter.ToString(hash).Replace("-", String.Empty);
return hashString;
}
}
catch (Exception ex)
{
Console.WriteLine("Error calculating SHA256 hash: " + ex.Message);
return null;
}
}
3.上传PDF文件，转化为Word文件方法：
/// <summary>
/// 文件上传
/// </summary>
/// <returns></returns>
public ActionResult UploadFile()
{
var files = HttpContext.Request.Form.Files;
if (files == null || files.Count <= 0)
{
return Json(new { code = -1, msg = "请上传文件！" });
}
var file = files[0];
if (file.ContentType != "application/pdf")
{
return Json(new { code = -1, msg = "不是PDF文件！" });
}
var SHA256Hash = CalculateSHA256Hash(file);
long fileSize = file.Length;
if (new FileConversionBll().ExistsSHA256Hash(SHA256Hash, fileSize))
{
var model = new FileConversionBll().GetFileBySHA256HashAndSize(SHA256Hash, fileSize);
return Json(new { code = 0, msg = "",data = model.WordFilePath });
}
else
{
string fileName = DateTime.Now.ToString("yyyyMMddHHmmssfff");
//var filePath = $@"~/File/Pdf/{fileName}";
string pdfFilePath = System.IO.Path.Combine("PDF文档路径", fileName + ".pdf");
using (var fileStream = new FileStream(pdfFilePath, FileMode.Create))
{
file.CopyTo(fileStream);
}
string wordFilePath = System.IO.Path.Combine("Word文档路径", fileName + ".docx");
//ConvertPdfToWord(pdfFilePath, wordFilePath);
ConvertPdfToWordByText(pdfFilePath, wordFilePath);
var res = new FileConversionBll().AddFileConversion(
new FileConversion()
{
PdfFilePath = pdfFilePath,
WordFilePath = wordFilePath,
PdfSHA256Hash = SHA256Hash,
FileSize = fileSize
}
) ;
if (res)
{
return Json(new { code = 0, msg = "",data = wordFilePath });
}
}
return Json(new {code = -2,msg = "出错了！"});
}
五.效果图：
旧版Spire.PDF包，只转化了10页：
新版iTextSharp包，全部转化完成（但是去除了原本的Word文档格式）：
