C# 用pdfbox提取PDF文本问题

[liujin9012]

一般的PDF都能正常提取出文本,但是一遇到横向输出的汉字就报错了."Unknow encoding for 'GB-ECU-H'".查了一下,只知道GB-ECU-H是PDF的一种编码,却不知道怎么解决.求高人指点!!!!

[nikolaichow]

坐等高手，顶贴

[liujin9012]

[Quote=引用 6 楼 的回复:]

using org.pdfbox.pdmodel;
using org.pdfbox.util;

public void pdf2txt(FileInfo file,FileInfo txtfile)
{
PDDocument doc = PDDocument.load(file.FullName);
PDFTextStripper pdfS……
[/Quote]非常感谢,虽然用你的方法还是没能解决,但参考资料很有价值.

[liujin9012]

UP!UP!

[csdn_风中雪狼]

编码问题吧

[liujin9012]

[Quote=引用 3 楼 的回复:]

编码问题吧
[/Quote]...您这叫我怎么说好呢.我的提问中就差没说这几个字"是编码问题"了,我需要的是解决方案~~~

[XBodhi.]

你的这个 题没有办法回答， 题目不清晰

[蝶恋花雨]

using org.pdfbox.pdmodel;
using org.pdfbox.util;

public void pdf2txt(FileInfo file,FileInfo txtfile)
{
PDDocument doc = PDDocument.load(file.FullName);
PDFTextStripper pdfStripper = new PDFTextStripper();
string text = pdfStripper.getText(doc);
StreamWriter swPdfChange = new StreamWriter(txtfile.FullName, false, Encoding.GetEncoding("gb2312"));//设置为你的编码试试
swPdfChange.Write(text);
swPdfChange.Close();
}

参考
http://blog.renren.com/share/223412840/7739177723
http://emily2ly.iteye.com/blog/743552
http://www.cnblogs.com/hejycpu/archive/2009/01/19/1378380.html