c# - PdfDocument.GetTextWithFormatting()并不会占用所有页面

Question

我试图打开一个大PDF文件，但是用下面的代码

using BitMiracle.Docotic.Pdf;

PdfDocument pdf = new PdfDocument("document.pdf")
string document = pdf.GetTextWithFormatting();

字符串document获得第87页(174页)。为什么只需要文件的前半部分？

编辑:这是一个评估模式的库限制。还有其他选择吗？

Answer 1

您观察到的行为是由于评估模式的限制。在试用模式中使用时，库会施加以下限制：

• 与库一起生成的文档包含在每一页上打印的评估通知。
• 对于所有现有文档，只有一半的页面由库读取。

要在没有评估模式限制的情况下评估库，可以在我们的站点上使用获得一个有时间限制的免费许可证。

Answer 2

您可以尝试阅读每一页的文本：

StringBuilder sb = new StringBuilder();
var options = new PdfTextExtractionOptions
                {
                    WithFormatting = false,
                    SkipInvisibleText = true
                };
using (PdfDocument pdf = new PdfDocument("document.pdf"))
{
    int pageIndex = 1;
    foreach(var page in pdf.Pages)
    {
        Console.WriteLine("Page {0}", pageIndex++);
        sb.AppendLine(page.GetText(options));
    }
}
string allText = sb.ToString();

完成此操作后，您将在控制台中看到pdf中每一页的一行。

我可能是87岁以后的那几页没有文字。例如，它们可以是扫描页面的图像。

您可以通过尝试在第87页之后从PDF中选择、复制和粘贴文本来测试这一点。如果可以，则可能是BitMiracle DLL中的一个bug。