在 itextSharp 中使用 LocationTextExtractionStrategy 获取文本坐标答案

【问题标题】：Using LocationTextExtractionStrategy in itextSharp for text coordinate在 itextSharp 中使用 LocationTextExtractionStrategy 获取文本坐标
【发布时间】：2011-11-22 17:09:34
【问题描述】：

我的目标是从 PDF 中检索数据，这些数据可能是表格结构到一个 excel 文件中。

将 LocationTextExtractionStrategy 与 iTextSharp 结合使用，我们可以从左到右获取页面内容的纯文本字符串数据。

我怎样才能在

PdfTextExtractor.GetTextFromPage(reader, i, new LocationTextExtractionStrategy())

我可以让文本在结果字符串中保留其坐标。

例如，如果 pdf 中的第一行文本右对齐，则生成的字符串必须包含尾随空格或保持内容右对齐的空格。

请给出一些建议，我可以如何继续实现相同的目标。

【问题讨论】：

标签： excel pdf itextsharp

【解决方案1】：

了解 PDF 不支持表格非常重要。任何看起来 像表格的东西实际上只是一堆放置在线条背景上特定位置的文本。这非常重要，您在处理此问题时需要牢记这一点。

也就是说，您需要继承 TextExtractionStrategy 并将其传递给 GetTextFromPage()。请参阅this post 以获得一个简单的示例。然后see this post 获取更复杂的子类化示例。后者与您的目标并不完全相关，但它确实显示了您可以做的一些更复杂的事情。

【讨论】：

感谢@Chris 的解决方案。我要把它子类化。
在将其子类化为TextChunk location = new TextChunk(info.GetText(), bottomleft, topRight, info.GetSingleSpaceWidth()); locationalResult.Add(location); 并将其称为PdfTextExtractor.GetTextFromPage(reader, i, strategy 之后，我没有以所需的方式获取文本。你能帮我看看我哪里弄错了吗？
我终于可以从 PDF 中提取带有位置的文本。感谢您的帮助。这些天我试图将它们放在 excelfile 的表结构中，但到目前为止我无法获得合适的 dll 或解决方案，可以帮助我将内容放入 excel 文件中。虽然我正在考虑创建和使用 excel 模板，但目前我正在使用带有文本和位置信息的数据视图/数据表中的文本数据。
EPPlus.dll 和 NPOI.dll（即“npoi”）是两个可以读取/写入 Excel .xlsx 文件的 DLL。 NPOI.dll 也可以读/写 Excel "BIFF" (.xls) 文件。