从C#.NET中的编码PDF中提取文本

尝试使用从PDF中提取文本

使用iTextSharp.text.pdf；
使用iTextSharp.text.pdf.parser；
命名空间PdfParser
{
公共静态类PDFTextractor
{
公共静态字符串pdfText（字符串路径）
{
PdfReader reader=新PdfReader（路径）；
string text=string.Empty；
对于（int page=1；page可能不是您的问题…但无论何时您发现自己手动调用对象的.Dispose（）或.Close（），这都是一种代码味道。这可能意味着您没有正确实现该模式。如果您使用
using
语句，则即使发生异常，它也会确保对象被关闭/处置。“然后我意识到pdf是编码的”-你认为“编码”是什么意思，为什么你认为这适用于pdf？为什么你认为“编码”“导致这些结果？即使你的意思是PDF受密码保护，你也无法在没有密码的情况下打开它。你确定此表在PDF中以文本形式存在吗？当我从PDF中复制文本并将其粘贴到word上时。这是我看到的：不，这只是意味着它是一个垃圾生成的PDF。如果它是一次性的，请在web上搜索。”“从pdf复制粘贴乱码文本”用于将其转换为可读格式。如果您必须处理许多此类pdf，请找到批量处理的方法。您是否可以共享有问题的pdf？正如@CodeCaster所述，生成的pdf很糟糕（这可能是为防止轻松提取文本而设计的！）；有时这样的垃圾很容易修复，有时却无法修复。。。
using iTextSharp.text.pdf;
using iTextSharp.text.pdf.parser;

namespace PdfParser
{
    public static class PdfTextExtractor
    {
        public static string pdfText(string path)
        {
            PdfReader reader = new PdfReader(path);
            string text = string.Empty;
            for(int page = 1; page <= reader.NumberOfPages; page++)
            {
                text += PdfTextExtractor.GetTextFromPage(reader,page);
            }
            reader.Close();
            return text;
        }   
    }
}