我是iText Software的首席技术官，所以就像评论部分已Michaël answered一样，我同时也是最权威的来源以及有偏见的来源。
这是一个非常简单的比较图表on the iText web site。
此图表不包含文字提取，因此请允许我列出自iText 5以来的相关改进。
您可能还找到了this page。
如果您想知道错误修复和文本解析的性能改进，这是一个更详尽的列表：
- 5.0.0：文本提取：在用户空间中执行计算的主要大修。这允许解析器正确地确定换行符，即使文本或页面被旋转也是如此。
- 5.0.1：重构回调，因此方法签名不需要随着渲染回调API的发展而改变。
- 5.0.1：重构以使外部用户更容易与内容流处理器交互。还重构了渲染侦听器，因此文本和图像事件侦听发生在同一个界面中（减少了很多非增值复杂性）
- 5.0.1：文本渲染器的新过滤功能。
- 5.0.1：预览PDF内容的附加实用方法。
- 5.0.1：添加了更高级的文本渲染器侦听器，可以根据页面上文本的物理位置重建页面内容
- 5.0.1：添加了对XObject表单处理的支持（现在可以解析通过PdfTemplate添加的文本）
- 5.0.1：为XObject Image回调添加了基本支持
- 5.0.1：错误修复 - 文本提取对于某些页面方向不正确
- 5.0.1：错误修复 - 矩阵以错误的顺序连接。
- 5.0.1：PdfTextExtractor：更改了默认的渲染侦听器（新的位置感知策略）
- 5.0.1：图形状态的getters
- 5.0.2：对文本提取功能的接口进行重大重构：例如引入类PdfReaderContentParser
- 5.0.2：CMapAwareDocumentFont：调整以使处理准无效的PDF文件更加健壮
- 5.0.2：PdfContentReaderTool：空指针处理，以及一些放置良好的刷新调用
- 5.0.2：PdfContentReaderTool：显示有关资源条目的详细信息
- 5.0.2：PdfContentStreamProcessor：调整因此嵌入式图像不会导致解析问题并改进EI检测
- 5.0.2：LocationTextExtractionStrategy：修复了反并行算法，并考虑了负字符间偏移。更改为首先构建文本模型的文本提取策略，然后计算连接要求。
- 5.0.2：对中介实施的调整; Bruno对文本提取所做的更改的最优化;例如：引入类MarkedContentInfo。
- 5.0.2：对文本提取功能的接口进行重大重构：例如引入类PdfReaderContentParser
- 5.0.3：添加了以用户单位获取图像区域的方法
- 5.0.3：更好地解析内嵌图像
- 5.0.3：在解析ToUnicode流时添加对开始/结束序列的额外检查。
- 5.0.4：数组中的内容流应该被解析为好像是用空格分隔
- 5.0.4：Expose CTM
- 5.0.4：重构将内联图像处理引入其自己的类中。如果没有应用过滤器，则添加图像数据的解析（存在一些PDF，其中图像数据的末尾与EI操作符之间没有空白）。最终，最好实际解析图像数据，但这需要对iText解码器进行相当大的重构（从流中工作而不是已知长度的byte []）。
- 5.0.4：处理多级过滤器;纠正将空格作为内嵌图像流的第一个字节的错误。
- 5.0.4：将流过滤器应用于内嵌图像。
- 5.0.4：PdfReader：为任意字节数组（而不仅仅是流）公开滤波器解码器
- 5.0.6：CMapParser：修复以读取损坏的ToUnicode cmaps。
- 5.0.6：处理略有格式的嵌入图像
- 5.0.6：CMapAwareDocumentFont：某些PDF的diff映射大于256个字符。
- 5.0.6：性能：缓存文本提取中使用的字体
- 5.1.2：PRTokeniser：使算法找到startxref更高效的内存。
- 5.1.2：RandomAccessFileOrArray：改进了对无法映射的大型文件的处理
- 5.1.2：CMapAwareDocumentFont：修复NPE，如果映射没有初始化（我宁愿结束垃圾字符而不是引发意外的异常）
- 5.1.3：重构过滤器应用于流的方式，调整解析器以便它可以处理多级过滤器
- 5.1.3：images：允许正确解码1bpc位掩码图像
- 5.1.3：images：添加jbig2流以通过
- 5.1.3：images：处理解码参数中的空值和间接引用，如果无法解码图像则抛出异常
- 5.2.0：更好的错误消息，更好地处理零大小的文件，并尝试读取文件末尾。
- 5.2.0：删除了使用内存映射要求文件小于~2GB的限制。
- 5.2.0：避免在RandomAccessFileOrArray中使用NullPointerException
- 5.2.0：在pdfContentStreamProcessor私有中创建了一个实用工具方法，并阐明了该类的有状态性
- 5.2.0：LocationTextExtractionStrategy：检查字符串长度并重构以使代码更易于阅读。
- 5.2.0：更好地处理图像中的色彩空间词典。
- 5.2.0：改进对准不合适的在线图像内容的处理。
- 5.2.0：不要对内嵌图像流进行解码，直到我们完全需要它们为止。
- 5.2.0：避免提供资源字典的NullPointerException。
- 5.3.0：LocationTextExtractionStrategy：旧的比较方法导致Java 7中的运行时异常
- 5.3.3：合并文本上升参数
- 5.3.3：暴露字形信息
- 5.3.3：修正：文本到用户空间转换被多次应用于子textrenderinfo对象
- 5.3.3：修正错误：纠正基线计算，使其不包含最终字符间距
- 5.3.4：为LocationTextExtractionStrategy添加了低级过滤钩。
- 5.3.5：修正了PRTokeniser中的错误：处理数字位于流末尾的情况。
- 5.3.5：出于性能原因，在PRTokeniser中将StringBuffer替换为StringBuilder。
- 5.4.2：向LocationTextExtractionStrategy添加了一个isChunkAtWordBoundary（）方法，以检查是否应在前一个块和当前块之间插入一个空格字符。
- 5.4.2：在LocationTextExtractionStrategy中添加了一个getCharSpaceWidth（）方法，以获取空格字符的宽度。
- 5.4.2：在LocationTextExtractionStrategy中添加了getText（）方法以获取当前Chunk的文本。
- 5.4.2：向SimpleTextExtractionStrategy添加了appendTextChunk（（）方法以公开追加过程，以便子类可以在文本解析操作之外添加文本。
- 5.4.5：为PDF解析器添加了MultiFilteredRenderListener类。
- 5.4.5：添加了GlyphRenderListener和GlyphTextRenderListener类来处理每个字形而不是处理文本块。
- 5.4.5：在TextRenderInfo中添加了getMcid（）方法。
- 5.4.5：当许多内嵌图像在内容流中时，固定资源泄漏
- 5.5.0：CMapAwareDocumentFont：如果未定义字体空间宽度，请使用字体的默认宽度。
- 5.5.0：PdfContentReader：显示空字典时避免异常。
如果您不升级，有些事情是您无法做到的。例如，您无法完成these slides中描述的内容。
如果您查看the roadmap for iText，您会发现我们将来会在文本提取上投入更多时间。
说实话：使用5岁版本并不仅仅是重新发明轮子，这也就像落入我们在过去5年中陷入困境的每一个陷阱。我可以向您保证，购买许可证会更便宜。