C# と VB.NET の質問掲示板

■No103205 (初心者 さん) に返信
> ライセンスの問題から、itextSharp4.1.6（ちょっと古すぎますか？）を考えています。

どうもこのバージョンはテキストに対する処理が充実してないようで、
stack overflow にあったコードもちゃんと動かないようです。

https://stackoverflow.com/questions/55391515/itextsharp-4-1-6-extract-pdf-content-as-text

PdfPig を使ったらどうでしょうか？

https://www.nuget.org/packages/PdfPig

Imports UglyToad.PdfPig

Module Module1

    Sub Main()
        Dim pdfPath As String = "C:\temp\test.pdf"
        Using document = PdfDocument.Open(pdfPath)
            For Each page In document.GetPages()
                Console.WriteLine(page.Text)
            Next
        End Using
        Console.ReadKey()
    End Sub

End Module

■No103212 (初心者 さん) に返信
> ただ、空白が削除されたイメージなので、希望とするなら、空白を詰めない、文書の様な取得は
> 可能でしょうか？

秀丸エディタ + PDFPrinter で作成した PDF を見ると、テキストはワード単位に管理されていて、
空白の情報は保存されていないようです。

Imports UglyToad.PdfPig
Imports UglyToad.PdfPig.Content

Module Module1

    Sub Main()
        Dim pdfPath As String = "C:\temp\test.pdf"
        Using document = PdfDocument.Open(pdfPath)
            For Each page As Page In document.GetPages()
                For Each word As Word In page.GetWords()
                    Console.WriteLine($"{word.BoundingBox} {word.Text}")
                Next
            Next
        End Using
        Console.ReadKey()
    End Sub

End Module

こんな感じで位置、サイズ、ワードが取得できるので、そこから組み立てるしかなさそうです。

> そこで、Pdfのページの分割、抽出や、しおり作成において、環境（できればVB.NET)が整っている
> フリーパッケージは、何が推奨でしょうか？

これも別件。