5
我正在嘗試閱讀this使用C＃中的itextsharp進行PDF轉換，將PDF轉換爲word文件。還需要維護表格格式和字體 當我嘗試使用英文pdf時，它會完美的工作，但使用一些印度語言，如印地文，馬拉地語它不工作。使用itextsharp閱讀PDF，其中PDF語言非英語
public string ReadPdfFile(string Filename)
{
string strText = string.Empty;
StringBuilder text = new StringBuilder();
try
{
PdfReader reader = new PdfReader((string)Filename);
if (File.Exists(Filename))
{
PdfReader pdfReader = new PdfReader(Filename);
for (int page = 1; page <= pdfReader.NumberOfPages; page++)
{ ITextExtractionStrategy strategy = new SimpleTextExtractionStrategy();
string currentText = PdfTextExtractor.GetTextFromPage(pdfReader, page, strategy);
text.Append(currentText);
pdfReader.Close();
}
}
}
catch (Exception ex)
{
MessageBox.Show(ex.Message);
}
textBox1.Text = text.ToString();
return text.ToString(); ;
}
不幸的是，你只是說*它不工作*，但沒有出錯。儘管如此，當用Acrobat Reader從文檔中複製和粘貼時，我會看到明顯與原始PDF內容不同的字符。由於Acrobat Reader具有相當不錯的文本提取機器，我認爲PDF中的印度語文本並不包含文本提取所需的所有必要信息，而不是OCR。 – mkl
@mkl感謝您的回覆問題是它正在讀字मतदरर實際的詞是मतद|र。這正在發生在pdf中的所有單詞。所以這個詞的實際意義就改變了。你對這個問題有什麼建議？ –
我會看看PDF。但是即使Adobe閱讀器沒有正確地從PDF中提取文本，我認爲PDF中的印度語文本並不包含文本提取所需的所有必要信息，而不是OCR。 – mkl