C# 订单

如你所见，顺序与我们阅读页面的顺序大致相同

另一方面，“Huttig-2017 Therma Tru Catalog.pdf”第7页上的文本位按以下顺序绘制

Glass & Caming Options Door Only Pricing Classic-Craft®
LE - Low - E A-Brass For Prehung Units see:
FXG-Fixed Grille C-Brushed Nickel Frame Adder and Options Pages
RG-Removable Grille D-Black Nickel Pricing Valid only when Prehung
SDL-Simulated Divide Lite
GBGF-Flat(W,B,A) Grille In Glass
GBGC-Cntr(W,B,A) Grille In Glass
W-Wrought Iron For Additional Options See Adder Page
?=Stock s=Rapid Ship
American Collection™
~~CCA210 ~~CCA210XC ~~CCA210XJ ~~CCA210XN ~~CCA210XR ~~CCA211
1 CCA210-LE CCA210XC CCA210XJ CCA210XN CCA210XR CCA211
Low-E Chord Chinchilla Granite Rainglass Homeward C D
2'8" x 6'8"
2'10" x 6'8"
3'0" x 6'8" $582.67 ? $865.22 ? $898.90 $898.90 $898.90 $923.30 ??
3'6" x 6'8"
Slab CANF3026L1L CANF3026DXC CANF3026DXJ CANF3026DXN CANF3026DXR CANF3026D1HW1C
Insert
Grille
~~CCA212 ~~CCA220 ~~CCA220XC ~~CCA220XJ ~~CCA220XN ~~CCA220XR
1 CCA212 CCA220-SDLLE CCA220XC-SDL CCA220XJ-SDL CCA220XN-SDL CCA220XR-SDL
Villager C D SDL Low-E SDL Chord SDL Chinchilla SDL Granite SDL Rainglass
2'8" x 6'8"
2'10" x 6'8"
3'0" x 6'8" $1,176.57 $641.72 ? $924.27 ? $957.94 $957.94 $957.94
3'6" x 6'8"
Slab CANF3026D1VG1C CANF3026L1L CANF3026DXC CANF3026DXJ CANF3026DXN CANF3026DXR
Insert
Grille CCALD2618V24 CCALD2618V24 CCALD2618V24 CCALD2618V24 CCALD2618V24
~~CCA221 ~~CCA222 ~~CCA230 ~~CCA230XC ~~CCA230XJ ~~CCA230XN
1 CCA221-SDL CCA222-SDL CCA230-SDLLE CCA230XC-SDL CCA230XJ-SDL CCA230XN-SDL
SDL Homeward C D SDL Villager C D SDL Low-E SDL Chord SDL Chinchilla SDL Granite
2'8" x 6'8"
2'10" x 6'8"
3'0" x 6'8" $1,042.37 ? $1,258.06 $701.26 ? $983.81 ? $1,017.48 $1,017.48
3'6" x 6'8"
Slab CANF3026D2HW1C CANF3026D2VG1C CANF3026L1L CANF3026DXC CANF3026DXJ CANF3026DXN
Insert
Grille CCALD2618V24 CCALD2618V24 CCALD2618V24 CCALD2618V24 CCALD2618V24 CCALD2618V24
March 2016 Confidential | Huttig Building Products | Prices Subject to Change Without Notice Page 7 of 814

Confidential | Prices Subject to Change Without Notice | Terms & Conditions: www.huttig.com/salesterms January 28,2017 Page 7 of 820
Glass & Caming Options Classic-Craft® Standard Single Unit Includes:

  LE - LOW - E
  FXG - Fixed Grille
  RG - Removable Grille
  SDL - Simulated Divide Lite
  GBGF - Flat(W,B,A) Grille In Glass
  GBGC - Cntr(W,B,A) Grille In Glass
  W - Wrought Iron
  SDLF1 - 1-1/8" SDL
  SDLF2 - 3-1/2" SDL
A - Brass
C - Brushed Nickel
D - Black Nickel
XC - Chord
XJ - Chinchilla
XN - Granite
XR - Rainglass
XE - Satin Etch
For Prehung Units See:
Frame Adders and Options Pages
Pricing Valid only when Prehung
For Additional Options See Adder Page
= Rapid = Stock
American Collection™
Slab
Grille

Chinchilla
$940.38 $906.22
CANF3026DXC
$940.38
CANF3026DXN
$940.38
CANF3026DXR
$967.22
CANF3026D1HW1D
CCA212 CCA220-SDLLE CCA220XJ-SDL CCA220XC-SDL CCA220XN-SDL CCA220XR-SDL
Villager SDL Low-E SDL Chinchilla SDL Chord SDL Granite SDL Rainglass
$1,231.71 $672.46
CCALD2618V24
$1,002.35
CCALD2618V24
$968.19
CCALD2618V24
$1,002.35
CCALD2618V24
$1,002.35
CCALD2618V24
CCA221-SDL CCA222-SDL CCA230-SDLLE CCA230XJ-SDL CCA230XC-SDL CCA230XN-SDL
SDL Homeward SDL Villager SDL Low-E SDL Chinchilla SDL Chord
$1,090.68
CANF3026D2HW1D
$1,316.62 $734.44 $1,064.82 $1,030.66 $1,064.82
SDL Granite
CANF3026DXJ
CCA210-LE
Low-E
CCA210XJ CCA210XC CCA210XN CCA210XR CCA211
Chord Rainglass Homeward
CCALD2618V24 CCALD2618V24 CCALD2618V24 CCALD2618V24 CCALD2618V24 CCALD2618V24
CANF3026D2VG1D CANF3026L1L CANF3026DXJ CANF3026DXC CANF3026DXN
CANF3026DXR CANF3026DXN CANF3026DXC CANF3026DXJ CANF3026L1L CANF3026D1VG1D
C  D
C  D C  D
Granite
CANF3026L1L
$610.00 3' 0" x 6'8"
3' 0" x 6'8"
3' 0" x 6'8"
Slab
Insert
Grille
Slab
Grille
Insert
     
Insert
 
C  D
 
Available
Available
Available

正如您所看到的，第一个表中的价格（除了最左边的610美元）很早就绘制出来了，然后是其他表中的内容，然后是第一个表的顶部CCA和底部CANF标识符，然后是所有表的C和D列标题，然后是一些其他条目，然后是第一个表中缺少的610美元价格，然后是所有表的行标题，最后是三个出现在页面上但不可见的“可用”

你知道那个档案怎么了吗

我可以推测。根据PDF的生产者属性，2016年目录似乎直接从MS Excel 2010导出，而2017年目录则由Ghostscript创建。此外，目录看起来相似，但差异足以假设2017年的目录不是从同一个源Excel文件创建的，而是使用一个完全不同的工具链，其任务是生成与前一个目录相似的内容，不是看起来完全相同的东西，更不用说内部构造与它完全相同的东西了

如何应对 如何正确修复/读取第二个PDF

首先，没有什么需要修正的：对于通用PDF，不需要按照任何特定顺序绘制文本。因此，第二个PDF没有损坏（至少在这方面没有），因此无法修复

要正确阅读和分析它，您必须按照@Max的回答进行操作

您必须读出文本的边界框，并使用一些启发式方法来确定哪些内容属于一起

不幸的是，您没有发布文本提取策略的（关键部分）。要获得更详细的帮助，请发布它

但是，考虑到您能够在C#中构建一个解析过程，该过程逐行解析第一个PDF文件，而不是第二个文件，因为第二个PDF中的行顺序完全被打破，并且与视觉结构不同，我假设您的自定义文本提取策略基于

simpletextractionstrategy

，因为它假设文本位以逐行顺序出现。最重要的是，它可能使用文本位坐标（至少是x坐标）来确定文本位出现的列

---

逐行假设并不总是成立的，尤其是在2017年目录的情况下。因此，您应该根据

LocationTextExtractionStartegy

代码重新实施策略，即首先从页面收集所有文本位，包括其相关坐标（边界框、基线等），然后对这些位进行排序（从上到下、从左到右），然后执行附加逻辑来标识列。

这正是我对第一个PDF文件所做的。我已经创建了一个自定义iTextSharp的文本提取策略，使用块之间的距离将页面读取为块（门图像+图像下方的行+右边缘的尺寸）。然而，第二个PDF只是由单个单词组成的一堆行，以随机顺序阅读。看看我问题中的图片，你多久会看到PDF中的文本选择是这样的？只需谷歌搜索PDF，打开它并尝试从中选择一些文本，它可能会允许您以正确的顺序逐字选择文本行。您（手动）是否使用了Alt Drag（我认为在Windows上是这样；在Mac上是Option Drag）？当然，如果你必须按语法来做，那没有多大帮助。你可以使用鼠标、Alt+鼠标拖动、Shift+PgDown等，这并不重要。我想说的是，iTextSharp和Acrobat Reader DC都在以相同（无序）的方式阅读第二个PDF。Quote:

奇怪的是，不仅iTextSharp这样解释第二个文件，甚至Acrobat Reader DC的文本选择工具也无法以正确的行顺序选择信息

@Salaros您说您创建了自定义文本提取策略，但没有显示它。因此，我们无法分析它为什么会这样做。不过，Adobe Reader在一定程度上考虑了文本提取（复制和粘贴）过程中在页面上绘制字符串的顺序（这可能与您在文档中看到的顺序完全不同）。通常，PDF创建程序会按照人类理解的顺序添加绘图指令，但有时（尤其是在编辑PDF之后）会在复制和粘贴时以有趣的结果扰乱这些绘图指令。这正是我对第一个PDF文件所做的。我已经创建了一个自定义iTextSharp的文本提取策略，使用块之间的距离将页面读取为块（门图像+图像下方的行+右边缘的尺寸）。然而，第二个PDF只是由单个单词组成的一堆行，以随机顺序阅读。看看我问题中的图片，你多久会看到PDF中的文本选择是这样的？只需谷歌搜索PDF，打开它并尝试从中选择一些文本，它可能会允许您以正确的顺序逐字选择文本行。您（手动）是否使用了Alt Drag（我认为在Windows上是这样；在Mac上是Option Drag）？当然，如果你必须按语法来做，那没有多大帮助。你可以使用鼠标、Alt+鼠标拖动、Shift+PgDown等，这并不重要。我想说的是，iTextSharp和Acrobat Reader DC都在以相同（无序）的方式阅读第二个PDF。Quote:

奇怪的是，不仅iTextSharp这样解释第二个文件，甚至Acrobat Reader DC的文本选择工具也无法以正确的行顺序选择信息

@Salaros您说您创建了自定义文本提取策略，但您没有