在 VB.NET 或 C# 中使用 itextsharp dll 读取 PDF 内容 [英] Reading PDF content with itextsharp dll in VB.NET or C#

问题描述

如何使用带有 Pdfreader 类的 itextsharp 阅读 PDF 内容.我的 PDF 可能包含纯文本或文本图像.

How can I read PDF content with the itextsharp with the Pdfreader class. My PDF may include Plain text or Images of the text.

推荐答案

using iTextSharp.text.pdf;
using iTextSharp.text.pdf.parser;
using System.IO;

public string ReadPdfFile(string fileName)
{
    StringBuilder text = new StringBuilder();

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

        for (int page = 1; page <= pdfReader.NumberOfPages; page++)
        {
            ITextExtractionStrategy strategy = new SimpleTextExtractionStrategy();
            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();
    }
    return text.ToString();
}

这篇关于在 VB.NET 或 C# 中使用 itextsharp dll 读取 PDF 内容的文章就介绍到这了，希望我们推荐的答案对大家有所帮助，也希望大家多多支持IT屋！