使用下面的代码使用iTextSharp从PDF文件中提取文本时，我收到此错误：“无法找到图像数据或EI”，而在调试代码时发现此错误出现在某些页面但不是所有页面中，然后进一步调查，并发现，通常在pdf xObject图像和内联图像中有两种类型的图像，并使用下面的代码内联图像ca无法处理。在其他类似的帖子中建议使用最新版本（5.5.0）的itextsharp，这个问题的评论很少，我也做了但没有运气。我的基本目的是提取页面中的文字而不是图像。如何处理内联图像或如何只提取文本，无论页面具有什么类型的图像。
for (int page = 1; page <= pdfReader.NumberOfPages; page++)
{
PdfContentByte pdfData = pdfStamper.GetUnderContent(page);
LocTextExtractionStrategy its = new LocTextExtractionStrategy();
pdfData = pdfStamper.GetUnderContent(page);
string extractedTextInCurrentPage=PdfTextExtractor.GetTextFromPage(pdfReader, page, its);//In this line exception is throwing
}
答案 0 :(得分：3)
请分享您的PDF。
这就是原因：
您的PDF包含内嵌图片。内联图像在ISO-32000-1中存在问题，但我个人认为问题将在ISO-32000-2中解决（对于PDF 2.0，预计在2017年）。
在ISO-32000-1中，内嵌图像以BI运算符开头，后跟一些参数。图像字节的长度不是这些参数之一。实际图像字节由ID和EI运算符括起来。
软件解析PDF语法需要搜索这些运算符并通常做得很好：查找BI，然后取ID和EI之间的字节。但是：当您遇到EI是图像字节的一部分的图像时该怎么办？
这几乎没有发生过，但我们向我们报告了一个问题，我们通过将ID和EI之间的字节转换为图像，在最近的iText版本中解决了这个问题。如果失败，iText将继续搜索下一个EI。如果iText找不到EI参数，则会出现您提及的异常。
这是一个繁琐的过程，作为编写PDF标准的ISO委员会的成员，我在规范中引入了一个新的内联图像参数：参数/L将通知解析器到底有多少字节在ID和EI运算符之间应该是预期的。与此同时，我认为保持小于4 KB的内嵌图像的建议变得规范：在PDF 2.0中，拥有超过4096字节的内嵌图像是违法的。当然：这对你没有帮助。 PDF 2.0尚不存在。我在ISO委员会的工作只能帮助解决长期问题。
从短期来看，我们已经编写了一个解决方案，解决了向我们报告的PDF问题，但显然，您发现了一个逃避解决方法的PDF。如果您希望我们解决问题，您必须共享PDF。