itextsharp 获取文本,iTextSharp的文本提取

我会带着你远行 2022-08-30 11:15 172阅读 0赞

![Image 1][]

I'm using itextsharp on vb.net to get the text content from a pdf file. The solution works fine for some files but not for other even quite simple ones. The problem is that the token stringvalue is set to null (a set of empty square boxes)

token = New iTextSharp.text.pdf.PRTokeniser(pageBytes)

While token.NextToken()

tknType = token.TokenType()

tknValue = token.StringValue

I can meassure the length of the content but I cannot get the actual string content.

I realized that this happens depending on the font of the pdf. If I create a pdf using either Acrobat or PdfCreator with Courier (that by the way is the default font in my visual studio editor) I can get all the text content. If the same pdf is built using a different font I got the empty square boxes.

Now the question is, How can I extract text regardless of the font setting?

Thanks

解决方案

complementary for Mark's answer that helps me a lot .iTextSharp implementation namespaces and classes are a bit different from java version

public static string GetTextFromAllPages(String pdfPath)

\{

PdfReader reader = new PdfReader(pdfPath);

StringWriter output = new StringWriter();

for (int i = 1; i <= reader.NumberOfPages; i++)

output.WriteLine(PdfTextExtractor.GetTextFromPage(reader, i, new SimpleTextExtractionStrategy()));

return output.ToString();

\}

[Image 1]:

发表评论取消回复

表情：

评论列表（有 0 条评论，172人围观）

还没有评论，来说两句吧...

相关阅读

相关 (转)C#使用itextsharp生成PDF文件

原文链接：https://blog.csdn.net/c79651760/article/details/56480109 前言

本是古典何须时尚/ 2023年08月17日 17:43/ 0 赞/ 116 阅读

相关 C#使用iTextSharp判断pdf是否损坏

try { using(PdfReader reader = new PdfReader(inputfileFullName))

╰+哭是因爲堅強的太久メ/ 2023年01月16日 02:37/ 0 赞/ 208 阅读

相关 nlp中文文本摘要提取，快速提取文本主要意思

文本摘要提取之前写过一版文本摘要提取，但那版并不完美。有所缺陷（但也获得几十次收藏）。 [中文文本摘要提取（文本摘要提取有代码）基于python][_ _py

悠悠/ 2022年11月12日 12:57/ 0 赞/ 321 阅读

相关 itextsharp 获取文本,iTextSharp的文本提取

![Image 1][] I'm using itextsharp on vb.net to get the text content from a pdf file. Th

我会带着你远行/ 2022年08月30日 11:15/ 0 赞/ 173 阅读

相关 JAVA 文本特征提取

这篇文章主要介绍了Java编程实现提取文章中关键字的方法,较为详细的分析了Java提取文章关键字的原理与具体实现技巧,具有一定参考借鉴价值,需要的朋友可以参考下本文实例讲述

Myth丶恋晨/ 2022年06月07日 04:57/ 0 赞/ 245 阅读

相关 C# 用itextsharp把Html转PDF

首先得下载itextsharp 有两个dll, itextsharp.dll和itextsharp.xmlworker.dll 一、新建一个HtmlToPdfHelper类

逃离我推掉我的手/ 2022年05月19日 11:27/ 0 赞/ 303 阅读

相关应用Itextsharp 添加图片到pdf

[应用Itextsharp 添加图片到pdf][Itextsharp _pdf] 调用： string[] files = { "

╰+攻爆jí腚メ/ 2022年04月24日 05:12/ 0 赞/ 402 阅读

相关 .Net C# itextsharp导出PDF文件打印

itextsharp导出PDF [DLL类库下载][DLL] > itextsharp，一个用于生成PDF文件的类库。示例代码简略版，数据需自行获取后

旧城等待，/ 2022年04月10日 04:51/ 0 赞/ 590 阅读

相关 itextsharp操作pdf——插入图片

itextsharp 插入图片操作 [asp.net][] 用于审核后签字或者其他需要对pdf进行插入图片的操作。在pdf添加图片方法： protect

ゞ浴缸里的玫瑰/ 2022年04月01日 07:58/ 0 赞/ 491 阅读

相关 itextsharp图片生成pdf模糊问题解释

[itextsharp图片生成pdf模糊问题解释][itextsharp_pdf] I forget to mention that I' am using itextsha

快来打我*/ 2021年11月10日 05:24/ 0 赞/ 570 阅读