잘못된 출력 없이 C#에서 iTextSharp를 사용하여 PDF에서 영어가 아닌 텍스트를 어떻게 추출할 수 있습니까?

iTextSharp를 사용하여 영어가 아닌 PDF 콘텐츠 읽기

C#에서 iTextSharp를 사용하여 PDF 문서에서 텍스트를 추출할 때 콘텐츠가 영어가 아닌 언어(예: 페르시아어 또는 아랍어)로 되어 있으면 사용자에게 문제가 발생할 수 있습니다. 내장된 인코딩 방법이 이러한 문자 집합을 처리할 수 없기 때문에 텍스트가 깨질 수 있습니다.

이 문제를 해결하려면 PDF에서 가져온 텍스트에 불필요한 인코딩 변환을 수행하지 마십시오. iTextSharp에서 PdfTextExtractor.GetTextFromPage() 메서드는 PDF 페이지에서 원시 텍스트를 추출합니다. 유니코드로의 변환은 나중에 통제된 방식으로 처리되어야 합니다.

제공된 코드 조각은 Encoding.UTF8을 사용하여 텍스트를 다시 인코딩하려고 시도하는데 이는 잘못된 접근 방식입니다. 다음의 단순화된 코드 조각은 올바른 접근 방식을 보여줍니다.

<code class="language-csharp">public string ReadPdfFileWithoutEncoding(string fileName)
{
    StringBuilder text = new StringBuilder();

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

        for (int page = 1; page <= pdfReader.NumberOfPages; page++)
        {
            text.Append(PdfTextExtractor.GetTextFromPage(pdfReader, page));
        }
        pdfReader.Close();
    }

    return text.ToString();
}</code>

애플리케이션이 최신 버전의 iTextSharp를 사용하고 있는지 확인하는 것이 중요합니다. 이전 버전에서는 영어가 아닌 텍스트를 처리하는 데 제한이 있을 수 있습니다. 또한 추출된 텍스트를 표시하는 애플리케이션은 유니코드 문자를 지원해야 합니다.

위 내용은 잘못된 출력 없이 C#에서 iTextSharp를 사용하여 PDF에서 영어가 아닌 텍스트를 어떻게 추출할 수 있습니까?의 상세 내용입니다. 자세한 내용은 PHP 중국어 웹사이트의 기타 관련 기사를 참조하세요!