使用HttpHandler解析并展示PDF文档内容（转载）

使用HttpHandler解析并展示PDF文档内容

2009-03-11 11:08 by LanceZhang, 2510 visits, 网摘, 收藏, 编辑

前言

如果我们想将服务端的PDF文档内容展示给客户端，往往会通过URL直接访问的方式。这样一来，PDF文档就会毫无保留的保存到客户端去，通过浏览器的PDF插件，客户端可以随意拷贝PDF的副本。（如下图）

本文通过HttpHandler和开源控件PDFBox来对PDF文档进行访问控制，只向客户端解析并展示PDF的内容而非PDF文件本身。

PDF解析

目前有许多PDF解析组件，国内比较常用的是iTextSharp，该控件早期从JAVA移植过来，完全支持.NET平台，在创建PDF文档方面非常灵活易用。然而在读取解析PDF时却显得力不从心，只有少数复杂难用的类可以让我们读取PDF。故不适合本案。

PDFBox在此方面表现却非常突出，同样，它也是从java平台移植过来的， 常用来作为Lucene的PDF索引器。目前，它的开源项目中已经包含了通过IKVM.NET（IKVM.NET is an implementation of Java for Mono and the Microsoft .NET Framework.）封装，而支持.NET的组件。

PDFBox对PDF的读取解析非常简单，只用如下代码即可完成：

private static string parseUsingPDFBox(string filename)
{
    PDDocument doc = PDDocument.load(filename);
    PDFTextStripper stripper = new PDFTextStripper();
    return stripper.getText(doc);
}

故我们选取PDFBox作为PDF解析器。

编写HttpHandler

接下来，我们新建一个类库项目，在其中创建PDFHandler类，实现IHttpHandler接口，用来作为.pdf文件的handler。

主要完成的步骤如下：

1. 为类库和网站添加如下引用：

• PDFBox-0.7.2.dll
• IKVM.GNU.Classpath.dll

   并将下面两个类库也复制到网站的Bin文件夹中：

• FontBox-0.1.0-dev.dll
• IKVM.Runtime.dll

2. 编写PDFHandler类：

using System;
using System.Collections.Generic;
using System.Text;
using System.Web;
using org.pdfbox.pdmodel;
using org.pdfbox.util;
using System.Web.UI.WebControls;
using System.Web.UI;
using System.IO;

namespace LanceZhang.HTTP
{
    public class PDFHandler:IHttpHandler
    {
        #region IHttpHandler Members

        public bool IsReusable
        {
            get { return true; }
        }

        public void ProcessRequest(HttpContext context)
        {
            //获取请求的文件路径，如C:\www\a.pdf
            string path = context.Request.MapPath(context.Request.Path);

            //创建PDF实体和文字解析器
            PDDocument doc = PDDocument.load(path);
            PDFTextStripper stripper = new PDFTextStripper();

            //创建一个TextBox用来显示PDF内容
            TextBox tb = new TextBox();

            tb.Style.Add("width","100%");
            tb.Style.Add("height", "100%");

            tb.TextMode = TextBoxMode.MultiLine;
            tb.Text=stripper.getText(doc);

            //将TextBox render出来
            context.Response.Write(RenderControlAsString(tb));
        }

        public string RenderControlAsString(Control ctl)
        {
            StringWriter sw = new StringWriter();
            HtmlTextWriter writer = new HtmlTextWriter(sw);
            ctl.RenderControl(writer);
            return sw.ToString();
        }


        #endregion
    }
}

部署HttpHandler

1.  编码完成后，我们编译Handler类库项目，并添加网站对该项目的引用。

2.  要使客户端对*.pdf文件的请求被handler处理，我们还需要在web.config中配置刚刚编写好的handler：

<system.web>
    <httpHandlers>
      <add verb="*" path="*.pdf" type="LanceZhang.HTTP.PDFHandler,LanceZhang.HTTP"/>
    </httpHandlers>
</system.web>

3. 这时，使用Visual Studio自带的ASP.NET Deployment Server已经可以成功运行程序了。然而，如果将网站部署到IIS中，我们还需要对IIS的应用程序配置做出修改，在程序映射中，使用aspnet_isapi.dll来处理.pdf文件：

OK，接下来启动IIS，浏览“CardSpace.pdf”文件，我们就可以得到下面的效果：

下载PDFBox类库

download the PDFBox package

转载自：http://www.cnblogs.com/blodfox777/archive/2009/03/11/1408568.html

PS: 开阔思路，不推荐该方式，因为只能读取文本，图片无法显示；而且会破坏文档的结构，用于索引倒是可以，但用于索引时好像会解析出现乱码。