如何从pdf文档加载文本位置

本文关键字：加载 文本 位置 文档 pdf | 更新日期: 2023-09-27 17:59:27

我加载pdfdoc，通过：

PdfReader pdfReader = new PdfReader(byteArray);
LocationTextExtractionStrategyEx st3 = new LocationTextExtractionStrategyEx();
PdfTextExtractor.GetTextFromPage(pdfReader, 1, st3);

现在我可以从st3.TextLocationInfo中获得页面元素的列表。每个元素都有属性TopLeft和BottomRight，它们是Vector。如果我不知道比例的最大值，我怎么能得到元素的位置。我知道向量从页面左下角开始，但我不知道它的结尾在哪里，因为我不知道页面大小和向量一样。

我可以运行

var pageSize = pdfReader.GetPageSize(1)

但矢量的值大于pageSize Width和Height

另一方面，我可以加载页面上的每个字符位置吗？

如何从pdf文档加载文本位置

LocationTextExtractionStrategyEx不是iTextSharp的一部分。因此，我认为，你谈论的是这个答案中提供的类别。那个班对这些职位不感兴趣。因此，为了回应您的问题：

我知道向量从页面左下角开始，但我不知道它的结尾在哪里，因为我不知道页面大小和向量一样。

我可以运行

var pageSize = pdfReader.GetPageSize(1)

但向量的值大于pageSize Width和Height

首先：你从LocationTextExtractionStrategyEx.TextLocationInfo得到的坐标确实要在pdfReader.GetPageSize的上下文中进行解释。

向量值可以超过后者的Width和Height的主要原因有两个：

  1. pdfReader.GetPageSize返回的矩形不需要基于（0,0）。它可以例如具有301..400中的x坐标和501..600中的y坐标。在这种情况下，高度和宽度都将是100，但该矩形中的所有点的坐标都将更高。

    因此，不要查看Width和Height，而是查看Left、Bottom、Right和Top。

  2. 文本实际上可能在可见页面之外，因此具有pdfReader.GetPageSize之外的坐标。

关于最终裁决，请提供有问题的PDF。

我通过读取页面大小

var pageSize = pdfReader.GetPageSize(1)

接下来我创建了

TextInfoLocation textLocation = new TextInfoLocation(textLine.TopLeft, textLine.BottomRight, this.PdfFilePageSize);

属性。左上角和。BottomRight是矢量。text行为LocationTextExtractionStrategyEx。策略从pdfReader读取的TextInfo对象。

现在，我可以从获得像素形式的矢量中的文本位置

double leftMargin = textLocation.LeftMargin;
相关文章：