使用iText7的GetTextFromPage函数提取PDF文本失败求助

你的代码问题在于：用PdfWriter创建PDF后，直接在写入模式下尝试提取文本。此时文档内容还未完全写入到PDF的页面结构中，内存中的内容没有被持久化，导致GetTextFromPage无法读取到有效内容。

修正后的代码 #

string pathPdf = "output.pdf";

// 第一步：创建并写入PDF
PdfWriter writer = new PdfWriter(pathPdf);
PdfDocument pdfDocWrite = new PdfDocument(writer);
Document document = new Document(pdfDocWrite);

for (int i = 1; i < 10; i++)
{
    Paragraph header = new Paragraph("PDF Page " + i.ToString());
    header.SetTextAlignment(TextAlignment.CENTER);
    header.SetFontSize(20);
    document.Add(header);
    document.Add(new AreaBreak(AreaBreakType.NEXT_PAGE));
}

// 必须关闭写入端的文档，确保内容完全写入文件
document.Close();
pdfDocWrite.Close();

// 第二步：重新打开PDF，提取文本
PdfReader reader = new PdfReader(pathPdf);
PdfDocument pdfDocRead = new PdfDocument(reader);

PdfPage page = pdfDocRead.GetPage(1);
string content = PdfTextExtractor.GetTextFromPage(page);

Console.WriteLine(content); // 输出 "PDF Page 1"

pdfDocRead.Close();
reader.Close();

关键说明 #

• 写入操作完成后，一定要关闭Document和PdfDocument，让iText将内存中的内容完整写入到磁盘文件中。
• 提取文本时，必须通过PdfReader以读取模式打开已保存的PDF文件，此时页面内容才是可读取的状态。

内容的提问来源于stack exchange，提问作者Paolo Rosso