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

Question

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);
}

Answer 1

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);
}