自从这个问题上次在2008年得到回答以来,iTextSharp已经极大地改进了他们的api.如果您从http://sourceforge.net/projects/itextsharp/下载了他们的api的最新版本,您可以使用以下代码片段将pdf中的所有文本提取为字符串.
using iTextSharp.text.pdf;
using iTextSharp.text.pdf.parser;
namespace PdfParser
{
public static class PdfTextExtractor
{
public static string pdfText(string path)
{
PdfReader reader = new PdfReader(path);
string text = string.Empty;
for(int page = 1; page <= reader.NumberOfPages; page++)
{
text += PdfTextExtractor.GetTextFromPage(reader,page);
}
reader.Close();
return text;
}
}
}