使用C#/Spire.PDF NuGet包转换PDF到TXT时移除左右边距问题

问题出在你设置的RectangleF参数错误：new RectangleF(45, 0, 0, 0)的宽度和高度都是0，导致提取区域被压缩成一条线，自然会截断底部文本并丢失行。要通过Spire.Pdf直接移除开头空白，需要正确定义提取区域的范围，覆盖页面除左边距外的全部有效内容区域。

标准A4页面的默认尺寸（以96DPI计算）是794×1123像素，你可以根据实际边距调整提取区域的坐标，以下是修正后的代码：

PdfDocument doc = new PdfDocument();
doc.LoadFromFile(@"path");

var content = new List<string>();

foreach (PdfPageBase page in doc.Pages)
{
    // 获取当前页面的实际尺寸
    float pageWidth = page.Size.Width;
    float pageHeight = page.Size.Height;
    // 定义提取区域：左边距45，上下无限制，宽度为页面宽度减去左边距
    RectangleF extractArea = new RectangleF(45, 0, pageWidth - 45, pageHeight);
    
    PdfTextExtractOptions options = new() 
    { 
        IsExtractAllText = true, 
        IsShowHiddenText = true, 
        ExtractArea = extractArea 
    };

    PdfTextExtractor textExtractor = new(page);
    string extractedText = textExtractor.ExtractText(options);
    content.Add(extractedText);
}

using (FileStream fs = new FileStream(@"outputFile.txt", FileMode.Create))
using (StreamWriter sw = new StreamWriter(fs))
{
    sw.Write(string.Join("\n", content));
}

关键说明： #

• RectangleF的参数顺序是(x, y, width, height)：x是左偏移，y是上偏移，width是区域宽度，height是区域高度。
• 如果你不确定左边距的具体数值，可以先提取完整页面文本，查看空白字符的长度，再对应调整x的值；或者尝试使用page.Margins.Left获取PDF定义的左边距（部分PDF可能未设置该属性，需测试）。
• 代码中添加了using语句自动释放文件流资源，避免资源泄漏。

内容的提问来源于stack exchange，提问作者mv1999