C# [itext7] GetTextFromPage 附加每個頁面

Question

我不確定我在這里做錯了什么。

在循環瀏覽 PDF 的頁面時 - 我得到了頁面內容。 例如：

第 1 頁 = 1

第 2 頁 = 2

第 3 頁 = 3

編碼：

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：

第一個循環 = 第 1 頁 = 1

第二個循環 = 第 1 頁 = 1，第 2 頁 = 2

第三個循環 = 第 1 頁 = 1，第 2 頁 = 2，第 3 頁 = 3

我將 pageContent 移出循環並在 try 語句之前添加了以下代碼：

pageContent = "";

我通過了，第二個循環中的 pageContent 是“”。 然而在 GetTextFromPage 之后 - 它是文本的第一頁和第二頁（在第二個循環中）。

這發生在各種 PDF 上，所以認為這是我的代碼，而不是有問題的 PDF。

Answer 1

我發現了這個問題 - 雖然我認為這不應該是一個問題......

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
    }
}

策略必須在 Try function 內——一旦放置在那里，它只返回請求的頁面——而不是 append 它們。