C# iTextSharp PDFReader liest vom Anfang der PDF Immer

Question

Ich benutze iTextSharp PDFReader, um eine PDF-Datei zu lesen, die 18 Seiten hat, aber jedes Mal, wenn ich die Seitenzahl inkrementiere, beginnt es am Anfang der PDF statt nur diese bestimmte Seite zu lesen . Wenn ich "x" auf den Wert von pdfReader.NumberOfPages einstelle, liest es nur die letzte Seite. Ich möchte jede Seite einzeln lesen und die Daten meiner Liste der Schnur s hinzufügen. Ich gehe auch durch einen Ordner und lese jede PDF-Datei, aber ich teste gerade mit nur einem.

List<string> s = new List<string>(); 
while (z < filePaths.Count()) 
{ 
    PdfReader pdfReader = new PdfReader(filePaths[z]); 
    ITextExtractionStrategy strategy = new SimpleTextExtractionStrategy(); 
    for (int x = 1; x <= pdfReader.NumberOfPages; x++) 
    { 
     string currentText = "";         
     currentText = PdfTextExtractor.GetTextFromPage(pdfReader, x, strategy);       
     s.Add(currentText); 
    } 
    z++; 
    pdfReader.Close(); 
} 

Answer 1

Ich vermute, ein Problem Leserstatus. Versuchen Sie, den PdfReader einmal vor der Schleife zu öffnen, um die Anzahl der Seiten zu ermitteln. Speichern Sie die Seitenanzahl in einer Variablen. Verwenden Sie diese Variable als obere Grenze für die Schleife. Dann instanziieren Sie in der Schleife einen neuen PdfReader für jede Seite, und entsorgen Sie ihn nach jeder Iteration.

EDIT: Es stellte sich heraus, dass die Textextraktions-Strategie der Schuldige ist. Es behält Zustand irgendwie bei. Instanziieren Sie immer einen neuen SimpleTextExtractionStrategy, bevor Sie GetTextFromPage aufrufen, oder lassen Sie den Parameter strategy weg - dann wird intern eine neue Instanz der Standardimplementierung ITextExtractionStrategy erstellt.

Answer 2

Verstanden, indem die Strategie von dieser Linie PdfTextExtractor.GetTextFromPage(pdfReader, x, strategy) Alle bisherigen Antworten sind

static void Main(string[] args) 
     { 
      List<string> filePaths = new List<string>(); 
      filePaths.Add("C:\\temp\\pe\\ACN-ONFBG-010-R-EN-ONT (1364).pdf"); 
      filePaths.Add("C:\\temp\\pe\\ACN-ONFBG-010-R-UN-NOR (1364).pdf"); 
      filePaths.Add("C:\\temp\\pe\\ACN-ONFBG-010-R-UN-SOU (1364).pdf"); 
      List<string> results = doit(filePaths); 
      string stall = "stall"; 
     } 


     private static List<string> doit(List<string> filePaths) 
     { 
      List<string> s = new List<string>(); 
      int z = 0; 
      while (z < filePaths.Count()) 
      { 
       PdfReader pdfReader = new PdfReader(filePaths[z]); 
       ITextExtractionStrategy strategy = new SimpleTextExtractionStrategy(); 
       for (int x = 1; x <= pdfReader.NumberOfPages; x++) 
       { 
        string currentText = ""; 
        currentText = PdfTextExtractor.GetTextFromPage(pdfReader, x); 
        s.Add(currentText); 
       } 
       z++; 
       pdfReader.Close(); 
      } 
      return s; 
     } 

Answer 3

arbeitet ziemlich nah dran, das heißt Sie richtig es auf irgendeine Art von Staat Ausgabe Schuld war.

Der einzige Teil, der fehlte, ist, dass es die strategy Variable ist, die sich ihren Zustand merkt. Nach dem Aufruf GetTextFromPage wird Ihr vorhandenes Objekt von Ihrem Strategieobjekt nicht gelöscht.

So ist der Trick, um Ihre strategy innerhalb der Schleife zu instanziieren:

for (int x = 1; x <= pdfReader.NumberOfPages; x++) 
{ 
    ITextExtractionStrategy strategy = new SimpleTextExtractionStrategy(); 
    string currentText = "";         
    currentText = PdfTextExtractor.GetTextFromPage(pdfReader, x, strategy);       
    s.Add(currentText); 
}