c# - PdfDocument.GetTextWithFormatting() 不占用所有页面

Question

我正在尝试打开一个大的 PDF 文件，但使用此代码

using BitMiracle.Docotic.Pdf;

PdfDocument pdf = new PdfDocument("document.pdf")
string document = pdf.GetTextWithFormatting();

字符串 document 占据前 87 页（共 174 页）。为什么只需要文档的前半部分？

编辑：这是库的评估模式限制。还有其他选择吗？

Answer 1

您可以尝试阅读每一页的文字：

StringBuilder sb = new StringBuilder();
var options = new PdfTextExtractionOptions
                {
                    WithFormatting = false,
                    SkipInvisibleText = true
                };
using (PdfDocument pdf = new PdfDocument("document.pdf"))
{
    int pageIndex = 1;
    foreach(var page in pdf.Pages)
    {
        Console.WriteLine("Page {0}", pageIndex++);
        sb.AppendLine(page.GetText(options));
    }
}
string allText = sb.ToString();

完成此操作后，您应该会在控制台中看到 pdf 中每一页都有一行。

我可能是 87 之后的页面上没有文字。例如，它们可以是扫描页面的图像。

您可以通过尝试 select 并从第 87 页之后复制和粘贴 PDF 中的文本来对此进行测试。如果可以，则很可能是 BitMiracle DLL 中的错误。

Answer 2

您观察到的行为是因为评估模式限制。在试用模式下使用时，库有以下限制：

库生成的文档包含打印在每一页上的评估通知。
对于所有现有文档，图书馆只阅读了一半的页面。

要在没有评估模式限制的情况下评估库，您可以 get a free time-limited license 在我们的网站上。

c# - PdfDocument.GetTextWithFormatting() 不占用所有页面

c# - PdfDocument.GetTextWithFormatting() does not take all pages

c#

pdf

asp.net-core

docotic.pdf

bitmiracle