C# [itext7] GetTextFromPage 附加每个页面

Question

我不确定我在这里做错了什么。

在循环浏览 PDF 的页面时 - 我得到了页面内容。 例如：

第 1 页 = 1

第 2 页 = 2

第 3 页 = 3

编码：

PdfReader pdfReader = new PdfReader(filename);
PdfDocument pdfDoc = new PdfDocument(pdfReader);
var strategy = new SimpleTextExtractionStrategy();
for (int page = 1; page <= pdfDoc.GetNumberOfPages(); page++)
{
    try
    {
        string pageContent = PdfTextExtractor.GetTextFromPage(pdfDoc.GetPage(page), strategy);
        // do stuff with pageContent
    }
}

output：

第一个循环 = 第 1 页 = 1

第二个循环 = 第 1 页 = 1，第 2 页 = 2

第三个循环 = 第 1 页 = 1，第 2 页 = 2，第 3 页 = 3

我将 pageContent 移出循环并在 try 语句之前添加了以下代码：

pageContent = "";

我通过了，第二个循环中的 pageContent 是“”。 然而在 GetTextFromPage 之后 - 它是文本的第一页和第二页（在第二个循环中）。

这发生在各种 PDF 上，所以认为这是我的代码，而不是有问题的 PDF。

Answer 1

我发现了这个问题 - 虽然我认为这不应该是一个问题......

PdfReader pdfReader = new PdfReader(filename);
PdfDocument pdfDoc = new PdfDocument(pdfReader);
for (int page = 1; page <= pdfDoc.GetNumberOfPages(); page++)
{
    try
    {
        var strategy = new SimpleTextExtractionStrategy();
        string pageContent = PdfTextExtractor.GetTextFromPage(pdfDoc.GetPage(page), strategy);
        // do stuff with pageContent
    }
}

策略必须在 Try function 内——一旦放置在那里，它只返回请求的页面——而不是 append 它们。