使用iTextSharp拆分PDF文本时无法识别换页导致行合并问题求解

问题原因 #

PDF文档的换页符对应ASCII码中的换页控制符（\f），在VB中对应内置常量vbFormFeed。你当前的拆分分隔符集合仅包含了常规换行符，未包含换页符，因此换页位置不会触发拆分逻辑，导致前后内容被合并到同一行。

修复代码 #

只需要将vbFormFeed加入拆分分隔符数组即可：

Dim RigheTesto As String()
RigheTesto = testoEstrapolato.Split({vbCrLf, vbCr, vbLf, vbFormFeed}, StringSplitOptions.RemoveEmptyEntries)

可选补充说明 #

如果你需要区分普通换行和换页位置，可以先对原始文本做预处理，在所有换页符前后插入自定义标记，拆分后即可识别哪一行是页首/页尾内容：

' 预处理：给换页符加标记
testoEstrapolato = testoEstrapolato.Replace(vbFormFeed, vbCrLf & "---分页线---" & vbCrLf)
' 再执行拆分
Dim RigheTesto As String()
RigheTesto = testoEstrapolato.Split({vbCrLf, vbCr, vbLf}, StringSplitOptions.RemoveEmptyEntries)

内容的提问来源于stack exchange，提问作者Stefano Ravagni