在阅读pdf文档时向itextsharp添加字体

Question

我需要在C＃程序中读取pdf文件。该文件是波斯语。我使用下面的代码。例如，当字体是Tahoma时它工作正常，但是当字体是波斯语时它不起作用。 如何在阅读pdf时向persxtsharp添加波斯字体？

波斯语PDF的一个例子： http://uplod.ir/idqrbqzzwl34/Visual_C__2005_Learning_(hashemian_).pdf.htm persian pdf是从右到左，但是当提取了itextsharp文本时，它是从左到右，它是不可读的。

Answer 1

您的问题完全错误，您对收到的其他答案的评论也是如此。您假设提取的文本具有“字体”。它没有。您提取的是特定编码中的字节（例如UTF-8）。

请观看这部电影：https://www.youtube.com/watch?v=wxGEEv7ibHE

PDF中的文本内容存储为一系列字符。这些字符映射到字形。例如。角色a可以映射到字形，例如“a”，“ a ”，“ a ”或任何其他字形，包括b或c。它只是“代码”，用于查找在页面上绘制字母所需的说明。

您需要的是另一种映射。您需要找到用作内容流中的代码的“字符”与其表示的UNICODE字符之间的映射。您的PDF中应该有一个ToUnicode映射，但是......正如我在视频中看到的那样，并非所有PDF都有此映射。

检查PDF中的文本是否可以被提取的最佳方法是通过从Adobe Reader复制/粘贴文本。如果成功，您应该能够以编程方式提取文本;如果不这样做，则需要开始寻找OCR解决方案。

更新：我已下载您的PDF并已提取文字。我看不出有什么遗漏。不幸的是我不能在这里复制/粘贴文本，因为答案的正文限制为30000个字符。