使用PDFSHARP和MIGRADOC写入并从PDF读取

Question

我正在尝试为我们的PDF生成例程编写验证代码，并且我很难从pdfsharp中提取从使用Migradoc创建的文件中提取文本。Extracttext代码可与其他PDF一起使用，但与我使用Migradoc生成的PDF(请参阅下面的代码(

。

关于我做错了什么的任何技巧？

//Create the Doc
var doc = new MigraDoc.DocumentObjectModel.Document();
doc.Info.Title = "VerifyReadWrite";
var section = doc.AddSection();
section.AddParagraph("ABCDEF abcdef");
//Render the PDF
var renderer = new PdfDocumentRenderer(true);
var pdf = new PdfDocument();
renderer.PdfDocument = pdf;
renderer.Document = doc;
renderer.RenderDocument();
var msOut = new MemoryStream();
pdf.Save(msOut, true);
var pdfBytes = msOut.ToArray();
//Read the PDF into PdfSharp
var ms = new MemoryStream(pdfBytes);
var pdfRead = PdfSharp.Pdf.IO.PdfReader.Open(ms, PdfDocumentOpenMode.ReadOnly);
var segments = pdfRead.Pages[0].ExtractText().ToList();

导致以下结果：

段[0] =" 0 $ 0％ 0＆amp; 0' 0( 0("
段[1] =" 0d 0e 0f 0g 0g 0H 0i"

我希望看到：

段[0] =" abcdef"
段[1] =" abcdef"

我正在此处使用ExtractText代码：C＃使用PDFSHARP

从PDF提取文本

，除了使用Migradoc生成的PDF以外，它都非常有效。

    public static IEnumerable<string> ExtractText(this PdfPage page)
    {
        var content = ContentReader.ReadContent(page);
        var text = content.ExtractText();
        return text.Select(x => x.Trim());
    }
    public static IEnumerable<string> ExtractText(this CObject cObject)
    {
        if (cObject is COperator)
        {
            var cOperator = (COperator) cObject;
            if (cOperator.OpCode.Name == OpCodeName.Tj.ToString() ||
                cOperator.OpCode.Name == OpCodeName.TJ.ToString())
            {
                foreach (var cOperand in cOperator.Operands)
                    foreach (var txt in ExtractText(cOperand))
                        yield return txt;
            }
        }
        else
        {
            var sequence = cObject as CSequence;
            if (sequence != null)
            {
                var cSequence = sequence;
                foreach (var element in cSequence)
                    foreach (var txt in ExtractText(element))
                        yield return txt;
            }
            else if (cObject is CString)
            {
                var cString = (CString) cObject;
                yield return cString.Value;
            }
        }
    }

Answer 1

看来用于提取文本的代码不支持所有情况。

尝试new PdfDocumentRenderer(false)(而不是'true'(。afaik这将导致不同的编码，并且文本提取可能起作用。