使用iTextSharp v5.5.13

我需要解析大量的PDF文件。其中约有5％的表包含我也需要的数据。

该表如下所示：

大多数情况下，我需要的行被解析为
2 januari 15 januari € 49,49 € 21,57 € 15,09 € 34,39

我可以解决这个问题。我按空间分割，就可以了。
但是有时月份名称会有多余的空格：janu ari

我知道我可以重写策略以消除这些多余的空格。我已经在pdf的其余部分（ITextExtractionStrategy）中使用了它，但是对于此表，我使用的是矩形策略：

var rect = new System.util.RectangleJ(70,425,460,200);
RenderFilter[] filter = { new RegionTextRenderFilter(rect) };
ITextExtractionStrategy strategy =
    new FilteredTextRenderListener(new MyLocationTextExtractionStrategy(),filter);
var lines = PdfTextExtractor.GetTextFromPage(reader,pageNumber,strategy).Split('\n');

我的替代看起来像这样：

public class MyLocationTextExtractionStrategy : LocationTextExtractionStrategy
{
    protected override bool IsChunkAtWordBoundary(TextChunk chunk,TextChunk previousChunk)
    {
        var dist = chunk.DistanceFromEndOf(previousChunk);
        return dist < -chunk.CharSpaceWidth || dist > chunk.CharSpaceWidth / 2.0f;
    }
}

我发现了这个谷歌搜索。但这不能解决我的问题。
对于janu ari dist大于-chunk.CharSpaceWidth的情况，我不确定下一步该怎么做。

请告诉我何时不应该对此表使用矩形策略，而应采用其他方法。