Question

我正在尝试使用ItextSharp从矩形中提取文本，除了某些特定区域外，它几乎适用于文档中的所有部分。这些区域是简单的大胆标题和简单的内容，比文档的其他部分（均为大写）具有更小的字体。在这些区域中，我得到所选文本的字谜而不是正确的单词。

例如，“RELEASE”一词被称为“ERLEASE”，“VOYAGE”成为“EGAYVO”，句子“FURTHER CHARGES”成为“FHTRU E R CHAGR E S”

奇怪的是，如果我尝试使用SimpleTextExtractionStrategy整页，我会获得正确的文字。

pdf的字体是经典的Arial，我用于提取的策略取自StackOverflow（矩形由args传递）：

    _pdfRd = New PdfReader(_pdfPath)
    Dim output As String()
    Dim nrPag as Integer = 1
    Dim filter As RenderFilter = New RegionTextRenderFilter(rect)
    Dim strategy As FilteredRenderListener
    Dim locStrategy As New LocationTextExtractionStrategy
    strategy = New FilteredTextRenderListener(locStrategy, {filter})
    output = GetTextFromPage(_pdfRd, nrPag, strategy).Split(vbLf)
    _pdfRd.Close()

我尝试使用其他文档并且效果很好，我无法使用不同的文档重现此问题。

我担心我的代码，我也试过这个策略：http://www.schiffhauer.com/read-text-in-a-pdf-in-c-with-itextsharp/ 但结果却是一样的。

我在阅读过程中遗漏了一些内容，或者这是与我的pdf相关的问题？

更新：如果我选择一个错误单词的单个字母，输出为空字符串，如果我一起选择更多字母也会发生这种情况，只有当我选择整个单词时才会获得（字谜）输出。这真的很奇怪，例如我注意到如果我有“CARGO RELEASE”这个词，并且我选择了一个矩形只有“GO”或任何其他我没有得到任何东西，但如果我选择“CARGO”我获得“GRACO ERLESAE”和我没有选择第二个单词，只选择了第一个单词。

Answer 1

您是否曾尝试自定义工作SimpleTextExtractionStrategy，其方式不是整页而是矩形？

您可以在此处找到ghitub项目中的完整代码：https://github.com/itext/itextsharp/blob/75f05dd7d87797b86c44649f5f96df2d90d730e8/src/extras/itextsharp.tests/iTextSharp/text/pdf/parser/SimpleTextExtractionStrategyTest.cs

当从矩形中提取文本时，ItextSharp anagram输出

1 个答案: