如何用C#从PDF提取Unique ID？新手求简洁修复方案

核心问题定位 #

你提到的ExtractUID方法中加粗代码段（推测是文本提取或正则匹配环节）报错，大概率是因为部分PDF存在文本排版异常（比如文本被拆分、编码不兼容，或是iTextSharp读取时返回null/空字符串）。

临时修复方案 #

1. 增加空值与异常防护 #

在易出错的代码段前后添加判空和try-catch逻辑，避免直接操作null对象导致崩溃：

public string ExtractUID(PdfReader reader)
{
    string uid = string.Empty;
    try
    {
        // 原加粗代码段对应的文本提取逻辑
        string pageText = PdfTextExtractor.GetTextFromPage(reader, 1);
        // 先判空再执行后续匹配
        if (!string.IsNullOrEmpty(pageText))
        {
            // 匹配规则：以字符开头后跟数字串
            var match = Regex.Match(pageText, @"[A-Za-z]\d+", RegexOptions.IgnoreCase);
            if (match.Success)
            {
                uid = match.Value;
            }
        }
    }
    catch (Exception ex)
    {
        // 临时记录错误，不中断整体流程
        Console.WriteLine($"提取UID出错：{ex.Message}");
    }
    return uid;
}

2. 兼容文本拆分场景 #

部分PDF会把同一行文本拆分为多个文本块，可改用逐块读取的策略替代整页提取：

public string ExtractUIDFromBlocks(PdfReader reader)
{
    string uid = string.Empty;
    try
    {
        // 使用位置感知的提取策略，减少文本拆分导致的内容断裂
        ITextExtractionStrategy strategy = new LocationTextExtractionStrategy();
        string pageText = PdfTextExtractor.GetTextFromPage(reader, 1, strategy);
        
        if (!string.IsNullOrEmpty(pageText))
        {
            var match = Regex.Match(pageText, @"[A-Za-z]\d+", RegexOptions.IgnoreCase);
            uid = match.Success ? match.Value : string.Empty;
        }
    }
    catch (Exception ex)
    {
        Console.WriteLine($"块提取UID出错：{ex.Message}");
    }
    return uid;
}

3. Card No提取同步适配 #

对Card No的提取逻辑复制上述防护规则，假设Card No为10-16位纯数字：

public string ExtractCardNo(PdfReader reader)
{
    string cardNo = string.Empty;
    try
    {
        string pageText = PdfTextExtractor.GetTextFromPage(reader, 1);
        if (!string.IsNullOrEmpty(pageText))
        {
            var match = Regex.Match(pageText, @"\d{10,16}");
            cardNo = match.Success ? match.Value : string.Empty;
        }
    }
    catch (Exception ex)
    {
        Console.WriteLine($"提取Card No出错：{ex.Message}");
    }
    return cardNo;
}

方案说明 #

• 优先保证程序稳定性，通过try-catch捕获异常并记录，不中断整体流程
• 所有文本操作前增加空值判断，避免对null字符串执行正则或其他操作
• 若原代码直接操作PdfDictionary等底层PDF对象，同样要先判空再访问属性

内容的提问来源于stack exchange，提问作者kyle