Hur man arbetar med PDF-dokument i C++

Aspose.PDF FOSS för C++ är ett MIT-licensierat, beroende-fritt C++20-bibliotek byggt och länkat med CMake — det finns ingen paket-hanterarimport att lägga till. Den här guiden går igenom det centrala Document-baserade arbetsflödet: öppna en befintlig PDF, inspektera dess sidor och metadata, extrahera text och rendera en sida till en rasterbild.

Steg-för-steg guide

Steg 1: Installera paketet

Klona repot och lägg till det i ditt CMake-projekt som en underkatalog:

git clone https://github.com/aspose-pdf-foss/Aspose.PDF-FOSS-for-Cpp.git

add_subdirectory(Aspose.PDF-FOSS-for-Cpp)
target_link_libraries(your_app PRIVATE aspose_pdf_foss)

Eller konfigurera och bygg det fristående:

cmake -S . -B build -DCMAKE_BUILD_TYPE=Release
cmake --build build

Verifiera att verktygskedjan löser genom att kompilera ett minimalt program mot huvudfilerna:

#include <aspose/pdf/document.hpp>
#include <iostream>

int main() {
    Aspose::Pdf::Document doc;
    std::cout << "Linked OK - pages: " << doc.Pages().Count() << "\n";
}

En lyckad build som skriver ut pages: 0 för den nykonstruerade, tomma Document bekräftar att biblioteket är korrekt länkat.

Steg 2: Importera nödvändiga klasser

#include <aspose/pdf/document.hpp>
#include <aspose/pdf/document_info.hpp>
#include <aspose/pdf/page.hpp>
#include <aspose/pdf/page_collection.hpp>
#include <aspose/pdf/text_absorber.hpp>
#include <aspose/pdf/bmp_device.hpp>
#include <aspose/pdf/resolution.hpp>
#include <fstream>
#include <iostream>

Steg 3: Öppna ett PDF-dokument och räkna dess sidor

Konstruera en Document från en filsökväg för att öppna en befintlig PDF. Document::Pages() returnerar PageCollection, och Count() rapporterar hur många sidor den innehåller:

Aspose::Pdf::Document doc("input.pdf");
std::cout << "Page count: " << doc.Pages().Count() << "\n";

Steg 4: Läs dokumentmetadata

Document::Info() returnerar ett DocumentInfo-objekt med typade läs/skriv-accessorer för de standard /Info ordboksposterna:

auto& info = doc.Info();
std::cout << "Title: "    << info.Title()    << "\n";
std::cout << "Author: "   << info.Author()   << "\n";
std::cout << "Producer: " << info.Producer() << "\n";

Steg 5: Extrahera text från en sida

Aspose::Pdf::Text::TextAbsorber går igenom en Document eller en enskild Page och samlar den text den stöter på; Text() returnerar resultatet därefter. PageCollection är 1-indexerad, så Pages()[1] är den första sidan:

auto page = doc.Pages()[1];

Aspose::Pdf::Text::TextAbsorber absorber;
absorber.Visit(page);
std::cout << absorber.Text() << "\n";

Visit() accepterar också hela Document direkt (absorber.Visit(doc)) när du vill att all sidors text ska sammanfogas istället för en enskild sida.

Steg 6: Rendera sidan till en rasterbild

BmpDevice renderar en Page till en okomprimerad BMP-bild. Dess konstruktor tar en Resolution som styr utdata-DPI, och Process() skriver de renderade bytena till någon std::ostream:

Aspose::Pdf::Devices::BmpDevice device(Aspose::Pdf::Devices::Resolution(150));

std::ofstream imageOut("page1.bmp", std::ios::binary);
device.Process(page, imageOut);

Steg 7: Uppdatera metadata och spara dokumentet

Setters på DocumentInfo förbereder förändringar som rensas nästa gång Save() körs på den ägande Document:

doc.Info().Title("Processed by Aspose.PDF FOSS for C++");
doc.Save("output.pdf");

Vanliga problem och lösningar

Accessing Pages()[0] throws std::out_of_range

PageCollection är 1-indexerad och följer den kanoniska Aspose.PDF-semantiken — den första sidan är Pages()[1]. Ett index under 1 eller över Count() ger ett fel.

TextAbsorber::Text() returnerar en tom sträng

Text() returnerar vad som samlats av det senaste Visit()-anropet. Bekräfta att Visit() faktiskt anropades innan du läser Text(), och att sidan eller dokumentet du besökte innehåller extraherbar text snarare än endast skannade bilder.

Den renderade BMP-filen är oväntat liten eller ser tom ut

Ett lågt Resolution-värde ger en liten rasterbild. Öka DPI:n som skickas till Resolution — till exempel Resolution(300) för utskriftskvalitet — och bekräfta att sidindexet som skickas till Process() är det du avsåg.

DocumentInfo fält läses tillbaka som tomma strängar

Inte varje PDF-producent skriver standard-/Info-poster. Kontrollera Producer() och Creator() för tomma värden innan du antar att metadataextraktion misslyckades — en tom sträng är det definierade resultatet för en frånvarande nyckel.

Ändringar gjorda med Info().Title(...) visas inte i den sparade filen

DocumentInfo mutationer samlas i minnet och skrivs endast permanent nästa gång Save() körs på samma Document-instans. Se till att metadataändringen sker före Save(), inte efter.

Vanliga frågor

Är sidindexering nollbaserad eller enbaserad i Aspose.PDF FOSS för C++?

Enbaserad. doc.Pages()[1] är alltid den första sidan.

Kan `TextAbsorber` extrahera text från en enskild sida istället för hela dokumentet?

Ja. Visit() är överlagrad för att acceptera antingen en Document — som extraherar varje sidas text — eller en enskild Page, som bara extraherar den sidans text.

Behöver jag anropa `Save()` om jag bara läser data från dokumentet?

Nej. Save() behövs endast efter ändringar som måste skrivas tillbaka till en fil, såsom redigering av DocumentInfo-fält. Att läsa sidantalet, extrahera text eller rendera en sida modifierar inte dokumentet.

Hur kontrollerar jag upplösningen på en renderad sida?

Skicka ett Resolution-värde till enhetens konstruktor — till exempel Resolution(150) för 150 DPI. Högre värden ger större rasterbilder med högre upplösning.

Vilket format producerar `BmpDevice`?

En okomprimerad BMP-bild skriven direkt till std::ostream som skickas till Process().