PDF解析记录——Pdfbox

此文仅作记录【嫌放电脑里碍事-_-】，内容为以前收集的一小段代码。

 

下面为pdf获取文本的简要代码片段：

        private string GetPDFText(string filename)
        {
            PDDocument pdf = PDDocument.load(filename);
            PDFTextStripper pdftext = new PDFTextStripper();
            return pdftext.getText(pdf);
        }

 

其中对于旧版本，如pdfbox0.7.3版本，对于一些pdf解析会有问题，例如提示“Unknown encoding for ‘UniGB-UC32-H’”。而将dll换成新的如pdfbox-1.8.2。就可避免此问题【此处本人是通过nuget添加的引用-Pdfbox.1.1.1】。

至于想要其他新版本，可以自己通过pdfbox官网步骤自行生成

教程地址：http://pdfbox.apache.org/building.html

 

---

此技术后期很可能不会继续深究（用到再说吧），仅作技术学习路上的留下的一点痕迹。