itextsharp - 阅读 1 列（第 1 页）和 2 列（第 2 页）的 PDF 时出现问题

当打开首页上只有一列而其他页面上有超过一列的 PDF 文件时，我的下面的代码丢失了。

有人可以告诉我我做错了什么吗？ 下面是我的代码：

PdfReader pdfreader = new PdfReader(pathNmArq);
ITextExtractionStrategy strategy = new SimpleTextExtractionStrategy();

    for (int page=1; page <= lastPage; page++) 
    {
         extractText = PdfTextExtractor.GetTextFromPage(pdfreader, page, strategy);
         extractText = Encoding.UTF8.GetString(ASCIIEncoding.Convert(Encoding.Default, Encoding.UTF8, Encoding.Default.GetBytes(extractText)));
        / / ... 
    }

您使用SimpleTextExtractionStrategy。该策略假设PDF中的文本绘制指令按阅读顺序排序。就你而言，情况似乎并非如此。

如果您不能指望包含按阅读顺序绘制操作的 PDF，而仅使用分布中的 iText 文本提取策略，则您必须了解构成单列的区域。如果页面包含多个列，则必须使用RegionTextRenderFilter限制为一列，然后使用LocationTextExtractionStrategy.

PS:你的意图到底是什么

extractText = Encoding.UTF8.GetString(ASCIIEncoding.Convert(Encoding.Default, Encoding.UTF8, Encoding.Default.GetBytes(extractText)));

line?