每行阅读PDF
如何使用iText5 for .NET line by line阅读PDF文件？ 我通过互联网搜索，但我只发现每页内容阅读PDF文件。
请看下面的代码。
public string ReadPdfFile(object Filename) { string strText = string.Empty; try { PdfReader reader = new PdfReader((string)Filename); for (int page = 1; page <= reader.NumberOfPages; page++) { ITextExtractionStrategy its = new iTextSharp.text.pdf.parser.SimpleTextExtractionStrategy(); String s = PdfTextExtractor.GetTextFromPage(reader, page, its); s = Encoding.UTF8.GetString(ASCIIEncoding.Convert(Encoding.Default, Encoding.UTF8, Encoding.Default.GetBytes(s))); strText = strText + s; } reader.Close(); } catch (Exception ex) { MessageBox.Show(ex.Message); } return strText; }
试试这个，使用LocationTextExtractionStrategy而不是SimpleTextExtractionStrategy它会为返回的文本添加新的行字符。 然后，您可以使用strText.Split（’\ n’）将文本拆分为string[]并以每行为基础使用它。
您可以在这里找到根据BSD Open-Sourse软件获得许可的PDF2Text Pilot 。
尽管它是用c ++编写的，但它可以作为解决问题的一个鼓舞人心的良好开端。
我不擅长C＃，但我认为在互操作性方面可能会有一些希望？
我曾经为一家电子书阅读公司和PDF工作过，我们花了很多时间和精力试图获得文本的阅读顺序，因为读者可以读给你看…弹跳点…… PDF不一定要排成一行线序。 书籍也有许多不在阅读顺序的元素，包括页码，参考文献，标题，例子，多栏等。这是一个难题。 PDF基本上是一种打印格式。
如果您为PDF制作电子书阅读器，或者只显示PDF格式，与其他pdf ready一样。 或者阅读文本并重新格式化。
我更喜欢第二种方法，只是格式化文本，因为如果我使用电子书阅读器，我只关心内容，从不关心它应该是什么样子