C# 如何从PDF中获取文本的字体名称？

我期待着提取PDF文件中的文本所有不同的字体名称。我正在使用iTextSharp DLL，下面是我的代码

using System;
using System.Collections.Generic;
using System.Linq;
using System.Text;
using System.Threading.Tasks;
using iTextSharp.text.pdf.parser;
using iTextSharp.text.pdf;

namespace GetFontName
{
    class Program
    {
        static void Main(string[] args)
        {
            PdfReader reader = new PdfReader("C:/Users/agnihotri/Downloads/Test.pdf");
            HashSet<String> names = new HashSet<string>();
            PdfDictionary resources;
            for (int p = 1; p <= reader.NumberOfPages; p++)
            {
                PdfDictionary dic = reader.GetPageN(p);
                resources = dic.GetAsDict(PdfName.RESOURCES);
                if (resources != null)
                {
                    //gets fonts dictionary
                    PdfDictionary fonts = resources.GetAsDict(PdfName.FONT);
                    if (fonts != null)
                    {

                        PdfDictionary font;

                        foreach (PdfName key in fonts.Keys)
                        {
                        font = fonts.GetAsDict(key);
                        string name = font.GetAsName(iTextSharp.text.pdf.PdfName.BASEFONT).ToString();

                            //check for prefix subsetted font

                        if (name.Length > 8 && name.ToCharArray()[7] == '+')
                        {
                        name = String.Format("%s subset (%s)", name.Substring(8), name.Substring(1, 7));

                        }
                        else
                        {
                                //get type of fully embedded fonts
                        name = name.Substring(1);
                        PdfDictionary desc = font.GetAsDict(PdfName.FONTDESCRIPTOR);
                        if (desc == null)
                        name += "no font descriptor";
                        else if (desc.Get(PdfName.FONTFILE) != null)
                        name += "(Type1) embedded";
                        else if (desc.Get(PdfName.FONTFILE2) != null)
                        name += "(TrueType) embedded ";
                        else if (desc.Get(PdfName.FONTFILE3) != null)
                        name += name;//("+font.GetASName(PdfName.SUBTYPE).ToString().SubSTring(1)+")embedded';
                        }

                        names.Add(name);
                        }
                    }
                }
            }
            var collections = from name in names
            select name;
            foreach (string fname in collections)
            {
            Console.WriteLine(fname);
            }
            Console.Read();

        }
    }
}

我得到的输出是每个pdf文件的无字形字体，没有字体描述符作为输入。输入文件的链接如下所示：

---

我已经在AdobeAcrobat中打开了您的PDF，并查看了字体面板。这就是我看到的：

您有一个LiberationMono的嵌入式子集，这意味着字体的名称将以ABCDEF+LiberationMono的形式存储在文件中，其中ABCDEF是一系列6个随机但唯一的字符，因为字体是subsetter。看

现在让我们看看在ITEXRUPS中打开的同一个文件：

我们找到/Font对象，它有一个/FontDescriptor。在/FontDescriptor中，我们找到了我们期望的格式的/FontName:BAAAAA+LiberationMono

---

现在您知道了在哪里查找该名称，您可以修改代码。

我已经在Adobe Acrobat中打开了您的PDF，并查看了字体面板。这就是我看到的：

您有一个LiberationMono的嵌入式子集，这意味着字体的名称将以ABCDEF+LiberationMono的形式存储在文件中，其中ABCDEF是一系列6个随机但唯一的字符，因为字体是subsetter。看

现在让我们看看在ITEXRUPS中打开的同一个文件：

我们找到/Font对象，它有一个/FontDescriptor。在/FontDescriptor中，我们找到了我们期望的格式的/FontName:BAAAAA+LiberationMono

---

现在，您知道了在哪里查找该名称，您可以调整代码。

运行代码时，只需对输出进行最小的更改

%s subset (%s)

实际上%s看起来像Java格式字符串，而不是.Net格式字符串。使用更多.Net格式字符串{0}子集{1}我得到

我建议你用反斜杠和。。。字符串形式，而不是文件路径中的斜杠，例如

PdfReader reader = new PdfReader(@"C:\Users\agnihotri\Downloads\Test.pdf");

---

在您提供的所有文件都命名为Hello_World.pdf之后，请仔细检查文件名和路径。

运行您的代码时，只需对输出进行最小的更改

%s subset (%s)

实际上%s看起来像Java格式字符串，而不是.Net格式字符串。使用更多.Net格式字符串{0}子集{1}我得到

我建议你用反斜杠和。。。字符串形式，而不是文件路径中的斜杠，例如

PdfReader reader = new PdfReader(@"C:\Users\agnihotri\Downloads\Test.pdf");

---

并在您提供的所有文件名为Hello_World.pdf后再次检查文件名和路径。

PdfReader reader=new PdfReaderC:/Users/agnihotri/Downloads/Test.pdf；-仔细检查文件的路径，这可能是问题所在，因为代码似乎没有问题。另外，如果尝试从internet复制粘贴的脚本以查看它们是否实际工作，我强烈建议添加一些调试。PdfReader reader=new PdfReaderC:/Users/agnihotri/Downloads/Test.pdf；-仔细检查文件的路径，这可能是问题所在，因为代码似乎没有问题。另外，如果尝试从internet复制粘贴的脚本，我强烈建议添加一些调试，以查看它们是否实际工作。感谢您的澄清…请介意帮助我编写代码。我只是个新手c@Rahul，不要在这个紧要关头放弃！一旦你有了这样有用的提示，请尝试应用它-这是一个很好的实践。不确定我是否正确……因为我得到了提示：font.GetAsDictPdfName.FontDescriptor.FontName；如果desc==空名称+=无字体描述符；如果desc.GetPdfName.FontName！=空名称+=嵌入的类型1；如果desc.GetPdfName.FontName！=空名称+=嵌入的TrueType；如果desc.GetPdfName.FontName！=请让我知道谢谢你的澄清…请帮我写代码。我只是个新手c@Rahul，不要在这个紧要关头放弃！一旦你有了这样有用的提示，请尝试应用它-这是一个很好的实践。不确定我是否正确……因为我得到了提示：font.GetAsDictPdfName.FontDescriptor.FontName；如果desc==空名称+=无字体描述符；如果desc.GetPdfName.FontName！=空名称+=嵌入的类型1；如果desc.GetPdfName.FontName！=空名称+=嵌入的TrueType；如果desc.GetPdfName.FontName！=请让我知道谢谢大家的建议和帮助。我已经能够通过对代码的任何更改来解决这个问题。唯一需要做的就是使用iTextSharp 5.5.9 dll和rest，一切正常。这可以标记为closed@RahulAgnihotri唯一需要做的是使用iTextSharp 5.5.9 dll-Hhmmm，因为您没有提到您使用的版本，您给人的印象是您一直在使用现在的版本。。。这可以标记为关闭-您可以自己完成：创建一个答案，其中包含原因，与使用的旧iTextSharp版本类似，在当前的5.5.9中运行良好，并将该答案标记为已接受，单击左上角的勾号。将自己的答案标记为接受

---

ed可能不会马上完成，但几个小时后肯定可以。谢谢大家的建议和帮助。我已经能够通过对代码的任何更改来解决这个问题。唯一需要做的就是使用iTextSharp 5.5.9 dll和rest，一切正常。这可以标记为closed@RahulAgnihotri唯一需要做的是使用iTextSharp 5.5.9 dll-Hhmmm，因为您没有提到您使用的版本，您给人的印象是您一直在使用现在的版本。。。这可以标记为关闭-您可以自己完成：创建一个答案，其中包含原因，与使用的旧iTextSharp版本类似，在当前的5.5.9中运行良好，并将该答案标记为已接受，单击左上角的勾号。将自己的答案标记为已接受可能无法立即实现，但几小时后肯定可以。