我正在尝试从多页 PDF 文件中每个页面的特定位置提取文本 block 。
我有文本的位置,我能够在第一页上正确地提取它。 但是在第一页之后的页面上,提取的文本似乎在累积。
例如,如果第 1 页上的文本值为“A”,第 2 页上的文本值为“B”,第 3 页上的文本值为“C”,那么我通过 FOR 循环在每次迭代的输出字符串中收到以下值:
Loop1 : output = A
Loop2 : output = B A
Loop3 : output = C B A
我在我的项目中使用 iTextSharp,用 C# 编写。
如有任何帮助,我们将不胜感激。
var reader = new PdfReader(foregroundFile);
RectangleJ customerIdRectangle = new RectangleJ(0, 495, 108, 27);
RenderFilter[] filters = new RenderFilter[1];
LocationTextExtractionStrategy regionFilter = new LocationTextExtractionStrategy();
filters[0] = new RegionTextRenderFilter(customerIdRectangle);
FilteredTextRenderListener strategy = new FilteredTextRenderListener(regionFilter, filters);
for (int i = 1; i <= reader.NumberOfPages; i++)
{
string output = "";
output = PdfTextExtractor.GetTextFromPage(reader, i, strategy);
Console.WriteLine(output);
}
最佳答案
请像这样调整您的代码:
var reader = new PdfReader(foregroundFile);
RectangleJ customerIdRectangle = new RectangleJ(0, 495, 108, 27);
for (int i = 1; i <= reader.NumberOfPages; i++)
{
RenderFilter[] filters = new RenderFilter[1];
LocationTextExtractionStrategy regionFilter = new LocationTextExtractionStrategy();
filters[0] = new RegionTextRenderFilter(customerIdRectangle);
FilteredTextRenderListener strategy = new FilteredTextRenderListener(regionFilter, filters);
string output = "";
output = PdfTextExtractor.GetTextFromPage(reader, i, strategy);
Console.WriteLine(output);
}
关于c# - 当我使用 iText 从 PDF 文件中提取文本时,我从以前的页面中获取值,我们在Stack Overflow上找到一个类似的问题: https://stackoverflow.com/questions/20959292/