itextsharp - 如何在 iTextSharp 上使用 PDFTextExtractor

我想使用 iTextSharp 从 pdf 文件中检索文本。但是，我无法像在 itextsharp(itext) 的 JAVA 库中那样使用 PDFTextExtractor。我需要 readPDFOffline 类来返回文件的内容。我将在下面给出伪代码，让您更好地理解我想要什么。

私有(private)字符串 readPDFOffline(string fileUri);
阅读PDF；
检索此 PDF 的文本内容；*
将内容保存到字符串 contentOfflineFile 中；
返回内容离线文件；

我想做代码的 * 部分

最佳答案

PdfTextExtractor 出现在 iTextSharp 的最新版本中， available here 。

检索 PDF 中的文本并不容易。并非不可能，但有时唯一可行的方法是 OCR。对于所有其他情况， PdfTextExtractor 应该可以工作。它不工作的情况被认为是错误，应该像这样报告。

请注意，在几种情况下，看似有效的文本是不可提取的:

没有编码的文本...只是字形索引。 OCR 时间。

"Text"只是原始路径。非常低效，还有时间进行更多的 OCR。

“文本”是位图中的像素。再次OCR。

OCR :光学字符识别。 Google Code 上甚至还有一个相当不错的免费提供，尽管我不记得这个名字了。

关于itextsharp - 如何在 iTextSharp 上使用 PDFTextExtractor，我们在Stack Overflow上找到一个类似的问题：https://stackoverflow.com/questions/4412790/