如何使用iTextSharp阅读含有汉字的PDF文件

Question

当我使用iTextSharp插件从.Net Framework上的PDF文件中读取包含汉字的文本时， 那么我读到的都是混乱的代码，我尝试使用

System.Text.Encoding.UTF8

、

Unicode,BigEndianUnicode

和

GB2312

、

GBK

、

GB18030

来获取正确的字符，但它不起作用。 我在网上查了一下，发现有人说读取汉字需要任何其他插件，但他没有说哪个插件，所以我需要帮助，非常感谢！

Answer 1

2024年，使用iText7从PDF中读取汉字：

要获取 PDF 内容流，您可以

                var contentStream = page.GetContentStream(j);
                var contentBytes = contentStream.GetBytes();

                var content = Encoding.UTF8.GetString(contentBytes);

要获取页面属性，例如 OCG，您可以

            var layer = pdfDoc.GetCatalog()
                .GetOCProperties(true)
                .GetLayers()
                .Where(l => 
                { 
                    var name = Encoding.BigEndianUnicode.GetString(l.GetPdfObject().GetAsString(PdfName.Name).GetValueBytes());
                    Console.WriteLine(name);
                    return name.Equals("...");
                })
                .FirstOrDefault();

以上是在

.NET Framework 4.8

、

iText 7.2.5

上测试的。