Я использую iText для извлечения текста из PDF-файла, я мог видеть текст, однако он теряет структуру страницы - PullRequest
1 голос
/ 28 июня 2019

Я использую iText для извлечения текста из PDF-файла, я мог видеть все текстовые значения, но структура нарушена.Не могли бы вы помочь мне, как извлечь текст так же, как файл PDF.Я попробовал какой-нибудь онлайн-инструмент, он правильно извлекает, какую библиотеку они используют.

StringBuilder text = new StringBuilder();

if (File.Exists(ofd.FileName))
{
    PdfReader pdfReader = new PdfReader(ofd.FileName);

    for (int page = 1; page <= pdfReader.NumberOfPages; page++)
    {
        //ITextExtractionStrategy strategy = new SimpleTextExtractionStrategy();
        ITextExtractionStrategy strategy = new LocationTextExtractionStrategy();
        string currentText = PdfTextExtractor.GetTextFromPage(pdfReader, page, strategy);

        currentText = Encoding.UTF8.GetString(ASCIIEncoding.Convert(Encoding.Default, Encoding.UTF8, Encoding.Default.GetBytes(currentText)));
        text.Append(currentText);
    }
    pdfReader.Close();
}
rtxtboxInvoice.Text = text.ToString();
Добро пожаловать на сайт PullRequest, где вы можете задавать вопросы и получать ответы от других членов сообщества.
...