关于 c#：阅读 PDF 并找到要添加到列表的特定列

Read a PDF and find a specific column to add to a list

那么谁能找到一种方法以编程方式仅读出 .PDF 文件列中的数字？换句话说，是否有可能放下一个 PDF 文件并制作一些可以吸收它的东西，读出一列的所有内容？

列格式如下：

401232111555713

以下代码将使用 iTextSharp 打开任何 PDF 并将其读入字符串：

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21

public static string ReadPdfFile(string fileName)
{
StringBuilder text = new StringBuilder();

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

for (int page = 1; page <= pdfReader.NumberOfPages; page++)
{
ITextExtractionStrategy strategy = new SimpleTextExtractionStrategy();

string currentText = PdfTextExtractor.GetTextFromPage(pdfReader, page, strategy);

currentText = Encoding.UTF8.GetString(ASCIIEncoding.Convert(Encoding.Default, Encoding.UTF8, Encoding.Default.GetBytes(currentText)));
text.Append(currentText);
}
pdfReader.Close();
}
return text.ToString();
}

从那里您可以简单地运行一些 REGEX 以使用您布置的模式获取列：

1
2
3
4
5
6
7

string text = ReadPdfFile(@"path\\to\\pdf\\file.pdf");
Regex regex = new Regex(@"(?<number>\\d{15})");
List<string> results = new List<string>();
foreach (Match m in regex.Matches(text))
{
results.Add(m.Groups["number"].Value);
}