iTextSharp提取PDF指定区域文本方向错误问题求助

问题根源 #

你遇到的文本顺序错乱问题，核心原因是**LocationTextExtractionStrategy的排序逻辑不适配非标准排版的文本**：

• 该策略会按文本字符的X/Y坐标位置排序输出，当目标区域文本是垂直排列、反向（从右到左/从下到上）排版时，字符的坐标顺序会和实际阅读顺序相反，导致提取结果乱序。
• 另外需确认你定义的Rectangle坐标是否符合PDF规则：iTextSharp中PDF坐标原点为页面左下角，如果你的标记是基于左上角原点，会导致区域匹配错误，间接引发文本顺序问题。

解决步骤 #

1. 替换文本提取策略

改用SimpleTextExtractionStrategy，该策略严格按照PDF内容流中字符出现的顺序提取文本，更适配非标准方向排版：

Dim pageNumber As Integer = 1
Dim rect = New iTextSharp.text.Rectangle(408, 648, 570, 665)
Dim filters As RenderFilter() = {New RegionTextRenderFilter(rect)}
Dim strategy As ITextExtractionStrategy = New FilteredTextRenderListener(
    New SimpleTextExtractionStrategy(), filters)
extractedText = PdfTextExtractor.GetTextFromPage(reader, pageNumber, strategy)

2. 验证并修正区域坐标

检查红色区域的实际坐标：

• PDF坐标参数为(左下X, 左下Y, 右上X, 右上Y)，如果你的标记基于左上角原点，需用页面高度转换Y值：实际Y = 页面高度 - 标记的Y值
• 可通过reader.GetPageSize(pageNumber).Height获取页面高度，再调整rect的Y参数。

3. 自定义方向感知的提取策略（进阶）

如果上述方法无效，说明文本存在特殊旋转/变换，可自定义策略处理文本方向：

Public Class DirectionAwareTextStrategy
    Inherits LocationTextExtractionStrategy

    Protected Overrides Sub RenderText(ByVal renderInfo As TextRenderInfo)
        Dim textMatrix As Matrix = renderInfo.GetTextMatrix()
        ' 计算文本旋转角度
        Dim rotation As Single = Math.Atan2(textMatrix.Get(Matrix.I21), textMatrix.Get(Matrix.I11)) * (180 / Math.PI)
        Dim text As String = renderInfo.GetText()
        
        ' 针对垂直/反向文本调整字符顺序
        If Math.Abs(rotation - 90) < 1 Or Math.Abs(rotation - 270) < 1 Then
            text = New String(text.Reverse().ToArray())
        End If

        MyBase.RenderText(New TextRenderInfo(renderInfo.GetCharacterRenderInfos(), text, renderInfo.GetTextMatrix(), renderInfo.GetFont(), renderInfo.GetFontSize(), renderInfo.GetWidthOfSpace(), renderInfo.GetSingleSpaceWidth()))
    End Sub
End Class

使用自定义策略：

Dim strategy As ITextExtractionStrategy = New FilteredTextRenderListener(
    New DirectionAwareTextStrategy(), filters)
extractedText = PdfTextExtractor.GetTextFromPage(reader, pageNumber, strategy)

内容的提问来源于stack exchange，提问作者Sven