PDF 文件读取功能

jiangseraph 2014-03-04 08:43:15
这里有一个PDF文件,
http://yunpan.cn/Q4BaLFEg89UWx

尝试使用pdfbox 或者itextsharp都不能成功读取内容,求高手指点指点吧

PDFBox-0.7.3

string content = "";
PDDocument doc = PDDocument.load(pdfdoc);
PDFTextStripper stripper = new PDFTextStripper();

content = stripper.getText(doc);//这里报错: "Unknown encoding for 'GBKp-EUC-H'"
doc.close();



itextsharp 5.4.4

StringBuilder text = new StringBuilder();

if (File.Exists(pdfdoc))
{
PdfReader pdfReader = new PdfReader(pdfdoc);

for (int page = 1; page <= pdfReader.NumberOfPages; page++)
{
//ITextExtractionStrategy strategy = new SimpleTextExtractionStrategy(); 下面读取内容为"", 长度为0
ITextExtractionStrategy strategy = new LocationTextExtractionStrategy(); //下面读取内容为"\n \n \n\n \n \n \n \n\n \n \n\n \n\n\n \n \n\n\n\n "


string currentText = PdfTextExtractor.GetTextFromPage(pdfReader, page, strategy);

currentText = Encoding.UTF8.GetString(ASCIIEncoding.Convert(Encoding.Default, Encoding.UTF8, Encoding.Default.GetBytes(currentText)));
text.Append(currentText);
}
pdfReader.Close();
}

...全文
148 3 打赏 收藏 转发到动态 举报
写回复
用AI写文章
3 条回复
切换为时间正序
请发表友善的回复…
发表回复
jiangseraph 2014-03-05
  • 打赏
  • 举报
回复
谢谢 u011130289的回复 确实是编码问题造成无法读取 GBK-EUC-H 能不能给个解决办法应该怎么做来转换编码.我就是想通过程序读取这个pdf文件的内容. 谢谢了
Regan-lin 2014-03-04
  • 打赏
  • 举报
回复
里面写的编码问题试了下,正常编码的是可以读的,你这个里面的编码不对,要转了才能读了吧

110,502

社区成员

发帖
与我相关
我的任务
社区描述
.NET技术 C#
社区管理员
  • C#
  • Web++
  • by_封爱
加入社区
  • 近7日
  • 近30日
  • 至今
社区公告

让您成为最强悍的C#开发者

试试用AI创作助手写篇文章吧