PDF转TXT：为什么Foxit SDK导出的文字比WPS少？

福昕PDF SDK 软件开发工具包 > 福昕PDF SDK(桌面/服务器)

标签:
PDF转TXT,pdf转纯文本,wps,导出文字,漏字

PDF转TXT：为什么Foxit SDK导出的文字比WPS少？

福昕知识库
2025-03-12

原因分析：
WPS在进行PDF转纯文本时，会导出文档中的所有文字，包括页面显示区域以外的文字。而Foxit PDF SDK默认只导出页面显示区域内的文字。因此，在某些情况下，Foxit SDK导出的文字可能会比WPS少。

什么是页面显示区域外的文字？
举例来说，假设有一个PDF文件，打开后第一页的显示效果如下：

但当我们使用福昕编辑器的“编辑 -> 内容编辑 -> 选择文本”功能，然后按下Ctrl+A，会发现左侧页面显示区域外还有很多文字。实际上，显示的区域只有左半部分，因此Foxit PDF SDK默认只会导出左半部分的文本。

解决方案：
如果有特殊场景需要导出所有文字（包括显示区域外的文字），该如何处理？

注意： 我们通常不建议这样做，因为PDF的呈现效果是按照文档作者的意愿设计的，原本不可见的文本内容不建议违背作者的设计初衷去导出。如下是一个C#代码示例：通过修改显示区域，再使用pdf2txt接口，即可实现与WPS相同的效果。

static String pdf2text_0307(PDFDoc doc)
   {
       String data = "";
       // 创建一个StreamWriter对象，指定编码（例如UTF8）
       StreamWriter writer = new StreamWriter(memoryStream, Encoding.UTF8);


       for (int i = 0; i < doc.GetPageCount(); i++)
       {
           using (PDFPage original_page = doc.GetPage(i))
           {
               
               original_page.StartParse((int)PDFPage.ParseFlags.e_ParsePageNormal, null, false);

               RectF rect= original_page.CalcContentBBox(PDFPage.CalcMarginMode.e_CalcContentsBox);
               //如果需要输出页面以外的文本
               bool isOutputOffPageText = true;
               if(isOutputOffPageText)
               {
                   float w = rect.Width();
		   //调整了页面显示区域，让原本的pdf2txt可以将显示区域外的文本也输出出来。
                   for (int k = 0; k < 4; k++)
                   {
                       RectF rectf = original_page.GetBox((PDFPage.BoxType)k);
                       rect.Union(rectf);

                   }
                   w = rect.Width();
                   for (int k = 0; k < 4; k++)
                   {
                       original_page.SetBox((PDFPage.BoxType)k, rect);

                   }
                   original_page.Normalize();
               }
               using (TextPage textPage=new TextPage(original_page,(int)TextPage.TextParseFlags.e_ParseTextUseStreamOrder))
               {
                   data=data+ textPage.GetText(TextPage.TextOrderFlag.e_TextStreamOrder)+"\r\n";
               }
           }
       }
      
       return data;

   }

RDK Android 如何设置单页上下滑动翻页？

PDF转Word时，如何仅处理指定页面？

PDF和OFD如何批量互转？

Bitmap 类如何与其他的图像类互转？

打印管理PrintManager怎么判断文档打印是否完成？

软件如何打开嵌入在office文档中Adobe PDF图标

福昕高级PDF编辑器专业版如何在文档中嵌入一个3D模型

福昕高级PDF编辑器专业版如何实现对图片和文档内容添加马赛克

福昕高级PDF编辑器如何显示注释内容图标

福昕高级PDF编辑器如何添加和调整快速访问工具栏功能