从挤得很紧的表格中提取文本时顺序错乱
Curtis Chau
Updated: 2026年6月10日
从紧密排列的表格或表单布局中提取的文本出现顺序错乱。 来自相邻行的字符混杂在一起，例如，"Unique Number 123456789"被提取为"U123456789nique Number"。
这是一个已知的从密集布局中提取page.Lines的限制。 page.Lines使用内置的不可配置的垂直容差对字符进行分组。 当表格单元格中的两个可见行仅相距一点或两点时，分组合并两个行为一条逻辑线，从左到右排序字符，并进行交错。 ExtractTextFromPage(i)方法默认使用内容流顺序，这可能与表单PDF中的视觉阅读顺序不符。
解决方案
建议：使用带有可调容差的TextChunks提取
每个BoundingBox，这样可以按垂直位置分组，并在每行内按水平位置排序：
using IronPdf.Pages;
using System.Text;
static string ExtractTextUsingTextChunks(IPdfPage page, double rowTolerance = 2.0)
{
var rows = page.TextChunks
.Where(c => !string.IsNullOrWhiteSpace(c.Contents))
.GroupBy(c => Math.Round(c.BoundingBox.Top / rowTolerance) * rowTolerance)
.OrderByDescending(g => g.Key);
var extractedText = new StringBuilder();
foreach (var row in rows)
{
var line = string.Join(" ",
row.OrderBy(c => c.BoundingBox.Left)
.Select(c => c.Contents.Trim())
.Where(text => !string.IsNullOrWhiteSpace(text)));
extractedText.AppendLine(line);
}
return extractedText.ToString();
}Imports IronPdf.Pages
Imports System.Text
Private Shared Function ExtractTextUsingTextChunks(page As IPdfPage, Optional rowTolerance As Double = 2.0) As String
Dim rows = page.TextChunks _
.Where(Function(c) Not String.IsNullOrWhiteSpace(c.Contents)) _
.GroupBy(Function(c) Math.Round(c.BoundingBox.Top / rowTolerance) * rowTolerance) _
.OrderByDescending(Function(g) g.Key)
Dim extractedText As New StringBuilder()
For Each row In rows
Dim line = String.Join(" ", row.OrderBy(Function(c) c.BoundingBox.Left) _
.Select(Function(c) c.Contents.Trim()) _
.Where(Function(text) Not String.IsNullOrWhiteSpace(text)))
extractedText.AppendLine(line)
Next
Return extractedText.ToString()
End Function从rowTolerance = 2.0开始。 如果行仍然合并，将其降低到0.5。 为了更精细的控制，用page.TextChunks。
替代方法：视觉顺序提取
对于只有内容流顺序错误的PDF：
pdf.ExtractTextFromPage(i, TextExtractionOrder.VisualOrder);pdf.ExtractTextFromPage(i, TextExtractionOrder.VisualOrder)对于行之间视觉上非常接近的PDF，TextChunks方法更好地处理紧密的容差。
技术作家
Curtis Chau 拥有卡尔顿大学的计算机科学学士学位，专注于前端开发，精通 Node.js、TypeScript、JavaScript 和 React。他热衷于打造直观且美观的用户界面，喜欢使用现代框架并创建结构良好、视觉吸引力强的手册。
...
阅读更多
