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;

   }

【校园昕积分】邀请攻略：使用福昕合作高校发放教育专用激活码激活

【校园昕积分】邀请攻略：使用CARSI高校账户或高校EDU邮箱注册

在福昕高级PDF编辑器中如何自定义快速访问工具栏

在福昕高级PDF编辑器中如何设置常用图章

在对文件虚拟打印后如何设置文件不自动打开

通知消息关闭后如何开启

PDF文件奇偶页差异化页码添加

Web SDK 开发实战：动态自定义 PDF 注释右键菜单的 JavaScript 实现方案

无法安装服务“Foxit Document Management”(FoxitAssistantSvcPlus)

将3D文件添加作为信任文件