pdfsharp 不支持文本提取，因其仅处理绘图指令而不解析字体与编码；推荐使用 pdfpdfiumsharp（高精度，支持中日韩）或 itextsharp.lgplv2.core（轻量但兼容性较弱）。
用 PDFsharp 提取文字会失败，别试了
PDFsharp 虽然能读取 PDF 结构、渲染页面，但它**完全不支持文本提取**——它把 PDF 当作绘图指令流处理，不解析字符编码、字体映射和文本顺序。你调用 page.Content 拿到的只是原始操作符（如 Tf、Tj），不是可读字符串。强行解析等于重写一个 PDF 文本解析器，实际项目中没人这么干。
推荐用 PdfPdfiumSharp（.NET 6+）或 iTextSharp.LGPLv2.Core（旧项目）
前者基于 Google 的 pdfium 引擎，精度高、支持复杂字体和横向/竖排中文；后者是 LGPL 开源版 iText，轻量但对某些嵌入字体或加密 PDF 支持较弱。
- 安装
PdfPdfiumSharp：dotnet add package PdfPdfiumSharp（需 Windows/macOS/Linux 原生库，NuGet 会自动拉取对应平台libpdfium） - 基础提取代码很短：
using PdfPdfiumSharp; using var doc = PdfDocument.Load("sample.pdf"); string fullText = ""; for (int i = 0; i - 注意：如果 PDF 是扫描件（即图片型 PDF），
GetText()返回空字符串——它只处理「可选中文本」（text-based PDF），不带 OCR 功能
iTextSharp.LGPLv2.Core 提取时乱码？重点检查字体和编码
中文乱码通常不是代码写错，而是 PDF 内嵌字体未正确映射到 Unicode。iText 默认尝试用字体描述里的 ToUnicode 表，但很多国产 PDF 工具生成的文件缺失该表。
- 先确认是否真有文本层：
pdftotext -listfont sample.pdf（命令行工具，Linux/macOS 自带；Windows 可装poppler）看输出里有没有UniGB-UCS2-H或类似中文字体名 - 若无
ToUnicode表，可强制按 GBK 解码（仅限简体中文 PDF）：renderer.SetFontEncoding("GBK")（具体方法名依版本略有差异，查ITextRenderer或PdfTextExtractor类） - 不建议全局设
Encoding.UTF8——PDF 中文字体多数用双字节编码，UTF8 直接解会崩出
加密 PDF 怎么办？先解密再提取
遇到 PDF file is encrypted 错误，说明文档带打开密码（user password）或权限密码（owner password）。PdfPdfiumSharp 和 iTextSharp.LGPLv2.Core 都支持传入密码打开：
-
PdfPdfiumSharp：PdfDocument.Load("locked.pdf", "password123") -
iTextSharp.LGPLv2.Core：var reader = new PdfReader("locked.pdf", new ReaderProperties().SetPassword("password123".ToCharArray())) - 如果只知道 owner password（比如从 Adobe Acrobat 打印限制里拿到的），部分库不支持仅凭 owner 密码解密——得先用工具（如
qpdf --decrypt）转成明文 PDF 再处理
Tesseract + ImageSharp 截图页面再识别），那已经是另一个技术栈了。
