我正在使用 ITextSharp 和以下命令从 pdf 中提取文本,它运行良好。但是今天我收到了一个不同的 pdf,这导致提取了很多 ? ? ? ?.
有人知道为什么会这样吗?无论如何至少检查pdf是否无法提取?
StringBuilder text = new StringBuilder();
PdfReader pdfReader = new PdfReader(arquivo);
for (int page = 1; page <= pdfReader.NumberOfPages; page++)
{
ITextExtractionStrategy strategy = new SimpleTextExtractionStrategy();
string currentText = PdfTextExtractor.GetTextFromPage(pdfReader, page, strategy);
currentText = Encoding.UTF8.GetString(Encoding.Convert(Encoding.Default, Encoding.UTF8, Encoding.Default.GetBytes(currentText)));
text.Append(currentText);
}
pdfReader.Close();
return text.ToString();