根本原因是pdf本身不包含可提取文本，如为扫描件、文字转路径或字体未嵌入且缺tounicode cmap；实操应先用acrobat验证是否能导出文本，再检查pdf版本、加密状态、字体信息及资源类型。
为什么 PdfTextExtractor.GetTextFromPage() 返回空字符串？
多数人卡在这一步：调用 iText7 的 PdfTextExtractor.GetTextFromPage() 却拿不到文字，甚至返回空或乱码。根本原因不是代码写错，而是 PDF 本身不包含“可提取文本”——它可能是扫描件（本质是图片）、文字被转成路径（TextRenderingMode.FILL_STROKE）、或字体未嵌入且无 ToUnicode CMap。
实操建议：
- 先用 Adobe Acrobat 的“导出为文本”功能手动试一遍：如果它也抽不出字，iText7 同样无解
- 用
PdfReader打开后检查pdfReader.GetNumberOfPages()和每页的PdfPage.GetPageSize()是否正常，排除文件损坏 - 确认 PDF 版本 ≥ 1.4（iText7 对 1.3 及以下支持极弱），可用命令行
pdfinfo your.pdf查看 - 若页面含加密，必须传入正确口令初始化
PdfReader，否则所有内容访问均静默失败
iText7 中文乱码的根本原因和绕过方案
iText7 默认用 StandardDecompressor 解析字体，但对 CIDFont（中文常用）依赖 ToUnicode 映射表。很多国产 PDF 导出工具（如某些 WPS、旧版 Foxit）生成的文件缺失该表，导致 GetTextFromPage() 把汉字转成乱码或占位符（如 □□）。
实操建议：
- 不要试图“修复字体编码”，iText7 不提供运行时重映射接口
- 改用
LocationTextExtractionStrategy替代默认策略，它按渲染位置拼接文本，对乱码字体更鲁棒：var strategy = new LocationTextExtractionStrategy();<br>string text = PdfTextExtractor.GetTextFromPage(page, strategy);
- 若仍不行，说明文字实际是矢量路径（
TextRenderingMode.FILL_STROKE或CLIP），此时必须走 OCR 路线，iText7 无法处理 - 验证是否真为字体问题：用
page.GetResources().GetFontNames()列出字体名，再查font.GetPdfObject().Get(PdfName.BaseFont)看是否为/STSong-Light类 CIDFont
如何跳过图片页、表单域、注释干扰正文提取？
PDF 里常混有非文本元素：扫描图（PdfImageXObject）、AcroForm 表单字段、手写批注（PdfAnnotation）。它们不会被 GetTextFromPage() 读取，但会占用页面资源、拖慢解析，甚至在自定义策略中引发 NullReferenceException。
实操建议：
- 提前过滤掉纯图像页：遍历
page.GetResources().GetXObjectNames()，发现PdfImageXObject且无其他文本操作符（用PdfCanvasProcessor配合ITextRenderListener检测）则跳过 - 禁用表单域解析：创建
PdfReader时传入new ReaderProperties().SetCreateNewId(false)，避免 AcroForm 初始化失败崩溃 - 忽略注释：调用
page.GetAnnotations()后清空（page.SetAnnotations(null)），防止某些带文本注释干扰坐标计算 - 性能提示：对多页 PDF，别用
GetTextFromPage()循环调用，改用PdfCanvasProcessor+ 自定义ITextRenderListener一次过处理整页渲染指令，快 3–5 倍
从 NuGet 安装到能跑通的最小依赖组合
很多人装了 itext7 主包却报 MissingMethodException 或 TypeLoadException，因为 iText7 7.2+ 拆分成多个独立程序集，缺一不可。
实操建议：
- 必须安装以下三个包（版本严格对齐，例如全用 8.0.4）：
itext7<br>itext7.kernel<br>itext7.layout
- 中文支持需额外加
itext7.font-asian（提供 NotoSansCJK、SourceHanSans 等字体），否则LocationTextExtractionStrategy仍可能丢字 - 若项目目标框架是 .NET Framework 4.6.1，不能用 iText7 8.x（仅支持 .NET 6+），降级到 7.2.5 并补装
itext7.pdfa（7.2.x 中文提取依赖它） - 验证安装：编译后检查输出目录是否存在
itext.kernel.dll和itext.layout.dll，缺任一都会在运行时炸
pdfinfo 和 Acrobat 看清文件底细。
