<\/p>\n
Gelegentlich möchte man PDF-Dateien bearbeiten – und das am besten ohne eigenes Zutun, sondern komplett programmgesteuert. Ein Kunde ist beispielsweise an mich herangetreten und wollte ein riesiges PDF-Dokument, das eine Menge Rechnungen in einer einzigen Datei enthielt, aufteilen. Als Ergebnis wünscht er sich einzelne Dateien, die jeweils eine Rechnung enthielten. Grund genug, einmal zu schauen, wie man mit .NET an dieses Problem herangehen kann. Genügend NuGet-Pakete mit Funktionen zum Bearbeiten von PDF-Dokumenten sind verfügbar, sodass wir die Qual der Wahl haben. Für diese Aufgabe haben wir das NuGet-Paket PDFsharp herangezogen, das verspricht, mit PDF-Seiten umgehen zu können – egal, ob es um das Entfernen, Hinzufügen, Extrahieren oder Zusammenstellen neuer Dokumente geht.<\/b><\/p>\nAnforderungen an ein NuGet-Paket zum Analysieren und Bearbeiten von PDF-Dokumenten<\/h2>\n
Speziell auf die oben angegebene Aufgabenstellung bezogen können wir zwei Anforderungen definieren:<\/p>\n
Beides würde theoretisch auch Adobe Acrobat Pro bieten, aber dies ist kostenpflichtig und wir sollen sehen, ob wir auch mit kostenloser Software weiterkommen.<\/p>\n
Also starten wir Visual Studio und legen ein neues Projekt namens PDFTools <\/b>an. Das Projekt soll den Typ WPF-App (.NET Framework) <\/b>erhalten (siehe Bild 1), damit wir die Funktionen über eine Benutzeroberfläche steuern können – beispielsweise, um den Namen der zu bearbeitenden PDF-Datei anzugeben und die gewünschten Funktionen aufzurufen.<\/p>\n
![\"Anlegen](\"..\/fileadmin\/_temp_\/2023_02\/pic_356_001.png\")
<\/p>\n
Bild 1: Anlegen einer neuen WPF-Anwendung<\/span><\/b><\/p>\n Nachdem das Projekt angelegt und geöffnet wurde, rufen wir den Menübefehl Projekt|NuGet-Pakete verwalten… <\/b>auf. Dies öffnet das Fenster NuGet: PDFTools<\/b>, wo wir zum Bereich Durchsuchen <\/b>wechseln.<\/p>\n Hier geben wir einfach einmal den Suchbegriff PDF <\/b>ein und erhalten direkt einige Treffer. Direkt der erste ist recht bekannt und heißt PDFsharp<\/b>. Interessant ist, dass es unter der MIT-Lizenz läuft. Die Bedingungen kannst Du mit einem Klick auf Lizenz anzeigen <\/b>einsehen.<\/p>\n Wir wählen PDFsharp <\/b>in der Version Aktuellste stabile Version <\/b>aus und klicken auf Installieren<\/b> (siehe Bild 2). Damit landen die benötigten Dateien im Projektverzeichnis und werden als Verweise eingebunden.<\/p>\n Bild 2: Hinzufügen einer PDF-Bibliothek<\/span><\/b><\/p>\n Bevor wir uns mit PDFsharp <\/b>beschäftigen, fügen wir der Startseite MainWindow.xaml <\/b>schon einmal ein Textfeld zum Anzeigen und eine Schaltfläche zum Auswählen der zu untersuchenden und gegebenenfalls zu bearbeitenden PDF-Datei hinzu. Dazu definieren wir die Steuerelemente wie folgt (für den kompletten Code siehe Beispielprojekt im Download):<\/p>\n Für die Schaltfläche btnDateiauswahl<\/b> hinterlegen wir die Prozedur aus Listing 1 in der Code behind-Datei MainWindow.xaml.vb<\/b>. Diese Prozedur ruft einen Dialog zur Auswahl der zu bearbeitenden PDF-Datei auf.<\/p>\n Listing 1: Öffnen eines Dateiauswahl-Dialogs<\/span><\/b><\/p>\n Zum Ausprobieren klicken wir auf F5 <\/b>und sehen, dass alles wie gewünscht funktioniert.<\/p>\n Zum Warmwerden wollen wir die Seitenzahl des ausgewählten PDF-Dokuments ermitteln. Dazu fügen wir eine neue Schaltfläche zum Code hinzu:<\/p>\n Die dadurch ausgelöste Prozedur beantwortet gleich zwei Fragen: Wie kann ich überhaupt ein PDF-Dokument für die Analyse und Bearbeitung mit PDFsharp<\/b> öffnen und wie finde ich die Seitenzahl des geöffneten Dokuments heraus?<\/p>\n Bevor wir damit starten, fügen wir der Klasse MainWindow.xaml.vb <\/b>die folgenden weiteren beiden Namespace<\/b>-Verweise hinzu:<\/p>\n Danach schauen wir uns die Prozedur aus Listing 2 an. Die Prozedur deklariert drei Variablen:<\/p>\n Listing 2: Öffnen eines PDF-Dokuments und Auslesen der Seitenzahl<\/span><\/b><\/p>\n Das Öffnen des Dokuments erfolgt zu diesem Zweck mit der Methode Open <\/b>und dem Parameter ReadOnly <\/b>– wir wollen schließlich erst einmal nur lesend auf die Datei zugreifen. Danach fragen wir mit der PageCount<\/b>-Methode die Seitenzahl des Dokuments ab und geben diese in einer Meldung aus.<\/p>\n Bevor wir die PDF-Datei nach bestimmten Inhalten durchsuchen und damit bestimmen, an welchen Stellen jeweils ein neues Dokument beginnt, wollen wir erst einmal die Technik zum Speichern einzelner Seiten dokumentieren. Dazu durchlaufen wir einfach alle Seiten und speichern diese jeweils in einer eigenen Datei.<\/p>\n Die Prozedur hinterlegen wir für eine weitere neue Schaltfläche namens btnSeitenExtrahieren<\/b> (siehe Listing 3). Die Prozedur deklariert neben den bereits aus dem vorherigen Beispiel bekannten Variablen noch zwei neue Variablen:<\/p>\n Listing 3: Extrahieren jeder einzelnen Seite eines Dokuments in ein neues Dokument<\/span><\/b><\/p>\n Die Prozedur ermittelt zuerst das Verzeichnis aus strPfad<\/b>, also ohne den Dateinamen des PDF-Dokuments, welches wir in seine einzelnen Seiten zerlegen wollen. Dazu nutzen wir die Substring<\/b>-Methode der Variablen strPfad <\/b>und holen uns damit den Teil bis zum ersten Backslash (\\<\/b>) von hinten aus gesehen.<\/p>\n Dann öffnen wir das Quelldokument, was wir diesmal mit dem zweiten Parameter PdfDocumentOpenMode.Import <\/b>erledigen. Wieder lesen wir die Seitenzahl in die Variable intSeitenzahl <\/b>ein. Diese nutzen wir, um in einer For Next<\/b>-Schleife alle Seiten zu durchlaufen. Der Index der Pages<\/b>-Auflistung, über die wir auf die Seiten zugreifen wollen, ist 0-basiert, daher verwenden wir 0 <\/b>als Startwert und intSeitenzahl – 1 <\/b>als Endwert der Schleife.<\/p>\n Innerhalb der Schleife legen wir mit der New<\/b>-Anweisung jeweils ein neues Objekt des Typs PdfDocument <\/b>an und referenzieren es mit der Variablen objDocumentSeite<\/b>.<\/p>\n Diesem fügen wir mit der AddPage<\/b>-Methode eine neue Seite hinzu. Der Parameter dieser Methode enthält den Verweis auf die jeweilige Seite des Quelldokuments. Anschließend speichern wir das Dokument mit der Save<\/b>-Methode. Den Speicherpfad setzen wir aus dem Verzeichnis aus strVerzeichnis <\/b>und einem Namen zusammen, der aus Seite_<\/b>, dem Wert der Variablen intSeite + 1 <\/b>und der Dateiendung .pdf <\/b>besteht, also beispielsweise Seite_1.pdf<\/b>.<\/p>\n Als Beispiel haben wir eine Ausgabe von Visual Basic Entwickler <\/b>verwendet, das Ergebnis sieht ausschnittsweise wie in Bild 3 aus.<\/p>\n Bild 3: Exportierte Seiten<\/span><\/b><\/p>\n Nun wollen wir allerdings nicht einfach alle Seiten extrahieren (auch wenn es sein kann, dass es dafür Anwendungsfälle gibt), sondern wir wollen bestimmte Stellen ermitteln. In unserem Beispiel wollen wir die einzelnen Artikel einer Ausgabe in jeweils einer eigenen PDF-Datei speichern.<\/p>\n Möchten Sie weiterlesen? Dann lösen Sie Ihr Ticket!<\/span>![\"Hinzufügen](\"..\/fileadmin\/_temp_\/2023_02\/pic_356_002.png\")
<\/p>\nFunktion zum Auswählen des PDF-Dokuments hinzufügen<\/h2>\n
<Label>PDF-Dokument:<\/Label>\r\n<StackPanel Orientation=\"Horizontal\" Grid.Column=\"1\">\r\n <TextBox x:Name=\"txtPDFDokument\" Width=\"300\"><\/TextBox>\r\n <Button x:Name=\"btnDateiauswahl\" Click=\"btnDateiauswahl_Click\">Auswählen<\/Button>\r\n<\/StackPanel><\/pre>\n
Imports Microsoft.Win32\r\nClass<\/span> MainWindow\r\n Private <\/span>Sub btnDateiauswahl_Click(sender As Object<\/span>, e As <\/span>RoutedEventArgs)\r\n Dim <\/span>objFileDialog As <\/span>New<\/span> OpenFileDialog()\r\n objFileDialog.Filter = \"PDF-Dateien (*.pdf)|*.pdf|Alle Dateien (*.*)|*.*\"\r\n objFileDialog.FilterIndex = 1\r\n objFileDialog.RestoreDirectory = True<\/span>\r\n If <\/span>objFileDialog.ShowDialog() = True<\/span> Then<\/span>\r\n txtPDFDokument.Text = objFileDialog.FileName\r\n End If<\/span>\r\n End Sub\r\nEnd Class<\/span><\/pre>\nSeitenzahl eines PDF-Dokuments ermitteln<\/h2>\n
<Button x:Name=\"btnSeitenzahl\" Grid.Row=\"1\" Click=\"btnSeitenzahl_Click\">Seitenzahl<\/Button><\/pre>\n
Imports PdfSharp.Pdf\r\nImports PdfSharp.Pdf.IO<\/pre>\n
Private Sub <\/span>btnSeitenzahl_Click(sender As Object<\/span>, e As <\/span>RoutedEventArgs)\r\n Dim <\/span>strPfad As String<\/span>\r\n Dim <\/span>objDocument As <\/span>PdfDocument\r\n Dim <\/span>intSeitenzahl As Integer<\/span>\r\n strPfad = txtPDFDokument.Text\r\n objDocument = PdfReader.Open(strPfad, PdfDocumentOpenMode.ReadOnly)\r\n intSeitenzahl = objDocument.PageCount\r\n MsgBox<\/span>(\"Anzahl der Seiten: \" & intSeitenzahl.ToString)\r\n objDocument.Close()\r\nEnd Sub<\/span><\/pre>\n\n
Alle Seiten in eine eigene Datei speichern<\/h2>\n
Private Sub <\/span>btnSeitenExtrahieren_Click(sender As Object<\/span>, e As <\/span>RoutedEventArgs)\r\n Dim <\/span>strPfad As String<\/span>\r\n Dim <\/span>objDocument As <\/span>PdfDocument\r\n Dim <\/span>intSeitenzahl As Integer<\/span>\r\n Dim <\/span>objDocumentSeite As <\/span>PdfDocument\r\n Dim <\/span>intSeite As Integer<\/span>\r\n Dim <\/span>strVerzeichnis As String<\/span>\r\n strPfad = txtPDFDokument.Text\r\n strVerzeichnis = strPfad.Substring(0, InStrRev<\/span>(strPfad, \"\\\"))\r\n objDocument = PdfReader.Open(strPfad, PdfDocumentOpenMode.Import)\r\n intSeitenzahl = objDocument.PageCount\r\n For intSeite = 0 To intSeitenzahl - 1\r\n objDocumentSeite = New<\/span> PdfDocument()\r\n objDocumentSeite.AddPage(objDocument.Pages(intSeite))\r\n objDocumentSeite.Save(strVerzeichnis & \"Seite_\" & (intSeite + 1).ToString() & \".pdf\")\r\n objDocumentSeite.Close()\r\n Next<\/span>\r\n objDocument.Close()\r\nEnd Sub<\/span><\/pre>\n\n
![\"Exportierte](\"..\/fileadmin\/_temp_\/2023_02\/pic_356_003.png\")
<\/p>\nKriterien zum Aufteilen finden<\/h2>\n
\nHier geht es zur Bestellung des Jahresabonnements des Magazins Visual Basic Entwickler<\/strong>:<\/span>
\nZur Bestellung ...<\/a><\/span>
\nDanach greifen Sie sofort auf alle rund 200 Artikel<\/strong> unseres Angebots zu - auch auf diesen hier!<\/span>
\nOder haben Sie bereits Zugangsdaten? Dann loggen Sie sich gleich hier ein:<\/span><\/p>\n<\/div>\n\n\t\n\t