问使用ItextSharp读取C#中的PDF列
EN

Stack Overflow用户

提问于 2014-08-26 13:24:27

回答 1查看 4.1K关注 0票数 0

在我的程序中，我从PDF文件中提取了文本，并且运行良好。ItextSharp从PDF中逐行提取文本。但是，当PDF文件包含2列时，提取的文本就不正常了，因为每行连接两列。

我的问题是:如何逐列提取文本？

下面是我的代码。PDF文件是阿拉伯语的。对不起，我的英语不太好。

PdfReader reader = new PdfReader(@"D:\test pdf\Blood Journal.pdf");
int intPageNum = reader.NumberOfPages;
string[] words;
string line;

for (int i = 1; i <= intPageNum; i++)
{
    text = PdfTextExtractor.GetTextFromPage(reader, i, 
               new LocationTextExtractionStrategy());

    words = text.Split('\n');
    for (int j = 0, len = words.Length; j < len; j++)
    {
        line = Encoding.UTF8.GetString(Encoding.UTF8.GetBytes(words[j]));
        // other things here
    }

    // other things here
}

itextsharp

回答 1

Stack Overflow用户

发布于 2014-08-26 13:32:00

您可能希望使用RegionTextRenderFilter限制列区域，然后使用LocationTextExtractionStrategy提取文本。然而，这需要您正在解析的PDF文件的先验知识，即您需要有关列的位置和大小的信息。

更详细地说，您需要传入列的坐标来定义一个矩形，然后从该矩形中提取文本。示例将如下所示：

PdfReader reader = new PdfReader(@"D:\test pdf\Blood Journal.pdf");
int intPageNum = reader.NumberOfPages;    

private string GetColumnText(float llx, float lly, float urx, float ury)
{
    // reminder, parameters are in points, and 1 in = 2.54 cm = 72 points
    var rect = new iTextSharp.text.Rectangle(llx, lly, urx, ury);

    var renderFilter = new RenderFilter[1];
    renderFilter[0] = new RegionTextRenderFilter(rect);

    var textExtractionStrategy =
            new FilteredTextRenderListener(new LocationTextExtractionStrategy(),
                                           renderFilter);

    var text = PdfTextExtractor.GetTextFromPage(reader, intPageNum,
                                                textExtractionStrategy);

    return text;
}

这是另一个讨论你想要什么的帖子，你可能也想检查一下：iTextSharp - Reading PDF with 2 columns。但他们也没有找到解决方案:(

票数 3

页面原文内容由Stack Overflow提供。腾讯云小微IT领域专用引擎提供翻译支持

原文链接：

https://stackoverflow.com/questions/25498598

复制

相似问题

问使用ItextSharp读取C#中的PDF列
EN

回答 1

Stack Overflow用户

社区

活动

圈层

关于

腾讯云开发者

热门产品

热门推荐

更多推荐

问使用ItextSharp读取C#中的PDF列EN

回答 1

Stack Overflow用户

社区

活动

圈层

关于

腾讯云开发者

热门产品

热门推荐

更多推荐

问使用ItextSharp读取C#中的PDF列
EN