从PDF中提取文本并将其保存到数据库 - 保留间距

Question

我有一个PDF文档，其中只包含需要保存到MSSQL中的varchar列的文本。第一个问题是，PDF中文本的间距也需要保留，这不能简单地通过从PDF复制粘贴到SSMS来完成。

好吧，所以我需要一个应用程序来读取PDF文本，同时保持间距。但现在第二个问题就出现了：PDF以Helvetica字体呈现，但保存在数据库中的文本将以水晶报表（Crystal 8 ... bleh）的Arial形式显示，并且在显示时，它需要看起来像PDF（即相同的路线）尽可能。

我提出的解决方案是将PDF转换为矢量图像，将生成的字节流保存到数据库中，并通过Crystal将字节拖入。不幸的是，由于时间的限制，现在还不能实施，所以我需要一个快速而肮脏的解决方案。

从本质上讲，一旦我从PDF获得Helvetica版本，我必须仔细研究间距以将其转换为在Arial中看起来正确。我需要一个能够为我做的工具，因为我没有时间写一个 - 有什么建议吗？

Answer 1

您的Crystal版本处理动态图像位置吗？如果是这样，你可以保存PDF图像（我确定这里有一个实用程序），并在你的Crystal Report中创建一个图像对象，图像位置设置为你想要的任何PDF。

Answer 2

恐怕这是一个用户教育问题：Arial字体中的输出与Helvetica字体的输出间隔不同。这需要向用户解释。

参考Rathergate - http://en.wikipedia.org/wiki/Rathergate - 可能有助于说服他们;从本质上讲，Dan Rather的职业生涯结束了，因为他不了解字体间距在不同字体中的意义。 （/过简化）

另一种方法可能是使用字体编辑器来保存具有Helvetica间距属性的Arial字体的版本，然后在报告中使用这种新字体 - 这实际上是一个混乱，它会看起来很糟糕，可能会违反字体的版权（大概是微软拥有的）。我真的不会推荐它。