在c#中阅读PDF（希伯来文）

Question

需要一些帮助我有一个pdf，我只需要阅读它并将其内容存储在数据库中。出于某种原因，我找不到使用Itext 7实现这一点的简单示例

另一件事，内容是希伯来语的，起初我用的是iTextSharp，但我得到的内容是相反的顺序，所以我有两个选择：1。修正反向代码2。也许可以在Itext7中找到一个更正常的代码，它没有这个问题。

StringBuilder text = new StringBuilder();

if (File.Exists(fileName))
{
    PdfReader pdfReader = new PdfReader(fileName);

    for (int page = 1; page <= pdfReader.NumberOfPages; page++) 
    {
        ITextExtractionStrategy strategy = new SimpleTextExtractionStrategy();
        string currentText = PdfTextExtractor.GetTextFromPage(pdfReader, page, strategy);

        currentText = Encoding.UTF8.GetString(ASCIIEncoding.Convert(Encoding.Default, Encoding.UTF8, Encoding.Default.GetBytes(currentText)));

        var res = ConvertToHebrew(currentText);
        text.Append(res);
    }
    pdfReader.Close();
}

ConvertToHebrew函数对我来说并不完美，所以我希望能找到一些不需要我尝试修复的东西。

Answer 1

如果包含从右向左脚本（如希伯来语或阿拉伯语）的PDF文档格式正确，则页面的内容流将包含从右向左包装文本片段的/ReversedChars指令。iText 7能够处理此类指令，并从格式正确的文档中正确提取从右到左的文本。

此功能是作为LocationTextExtractionStrategy的一部分实现的。要使用它，您基本上必须在代码中用LocationTextExtractionStrategy替换SimpleTextExtractionStrategy。您还应该为新的LocationTextExtractionStrategy实例调用SetRightToLeftRunDirection（true），但是即使没有此标志，您也应该注意到结果的差异。

也就是说，如果文档形成不当（或者不完全正确，这取决于你对它的看法），并且不包含ReversedChars指令，那么iText 7目前无法帮助你。在某个时候，从右向左提取脚本，即使是不完全正确的PDF，也可能在iText 7中实现，但这是未来的事情。