C# iTextSharp PDFReader 始终从 PDF 开头读取

Question

我正在使用 iTextSharp PDFReader 读取一个有 18 页的 pdf 文件，但每次我增加页码时，它都会从 pdf 的开头开始，而不是只读取该特定页面。如果我将“x”设置为 pdfReader.NumberOfPages 值，它只会读取最后一页。我想单独阅读每一页并将数据添加到我的 string 列表中。我还在浏览一个文件夹，阅读每个 pdf 文件，但我一开始只使用一个进行测试。

List<string> s = new List<string>();
while (z < filePaths.Count())
{
    PdfReader pdfReader = new PdfReader(filePaths[z]); 
    ITextExtractionStrategy strategy = new SimpleTextExtractionStrategy();
    for (int x = 1; x <= pdfReader.NumberOfPages; x++)
    {
        string currentText = "";                                
        currentText = PdfTextExtractor.GetTextFromPage(pdfReader, x, strategy);                        
        s.Add(currentText);
    }
    z++;
    pdfReader.Close();
}

Answer 1

之前的所有答案都非常接近，即您正确地将其归咎于某种状态问题。

唯一缺少的部分是 strategy 变量会记住其状态。调用 GetTextFromPage 后，您的策略对象不会刷新其现有内容。

所以技巧是在循环内实例化您的策略:

for (int x = 1; x <= pdfReader.NumberOfPages; x++)
{
    ITextExtractionStrategy strategy = new SimpleTextExtractionStrategy();
    string currentText = "";                                
    currentText = PdfTextExtractor.GetTextFromPage(pdfReader, x, strategy);                        
    s.Add(currentText);
}