时间戳

首页 > 解决方案 > 寻找可以为我提供 pdf 文本坐标的软件或 API

pdf - 寻找可以为我提供 pdf 文本坐标的软件或 API

问题描述

我希望一个简单的问题 - 我有一个 pdf 并且想要检测特定单词或占位符文本的坐标。然后我打算使用 itextsharp 在找到的坐标的顶部标记一个替换的文本位。

任何人都可以推荐任何东西吗？

谢谢

标签： pdfitext

解决方案

正如评论中所回答的那样，可以使用 iText 来执行这样的任务。也许有一些更好的解决方案，但是，我对此表示怀疑。上述问题的原因，即“[itextsharp] 有时给出搜索文本所在句子开头的坐标”，是有时字形非常接近，以至于它们的框重叠，因此我不明白如何它可以随心所欲地处理。

因此，您可以执行以下操作：

  • 扩展LocationTextExtractionStrategy类和覆盖eventOccurred，例如如下：

     @Override
 public void eventOccurred(IEventData data, EventType type) {
 if (type.equals(EventType.RENDER_TEXT)) {
     TextRenderInfo renderInfo = (TextRenderInfo) data;
     // Obtain all the necesary information from renderInfo, for example
     LineSegment segment = renderInfo.getBaseline();
     // ...
 }

  • 将此类扩展类的实例传递给PdfTextExtractor.getTextFromPage如下：

    PdfTextExtractor.getTextFromPage(pdfDocument.getPage(1), new ExtendedLocationTextExtractionStrategy()

  • 一旦找到文本，就会触发该事件。

当然，这样的解决方案存在一些困难，因为您在上面要查找和编写的文本可能不是以“文本”的形式出现在 PDF 中，而是以“T”、“ex”、t”甚至“t”的形式出现"、"x"、"e"、"T"。但是，由于您使用 iText，您可能希望利用其产品之一的优势 - pdfSweep。该产品旨在从 PDF 中彻底删除不必要的内容，具有这样内容作为某些位置（您想要获取，所以这不是一个选项）或正则表达式传递。

这是如何创建这样的正则表达式策略（在文档中查找所有“Dolor”和“dolor”实例，完全删除它们（从所有流中，以便它们既不会从 PDF 查看器中观察到，也不会在底层中找到） PDF 对象）：

RegexBasedCleanupStrategy strategy = new RegexBasedCleanupStrategy("(D|d)olor").setRedactionColor(ColorConstants.GREEN);

这是如何使用它：

PdfAutoSweep autoSweep = new PdfAutoSweep(strategy);
autoSweep.cleanUp(pdf); // a PdfDocument instance

这是在出现不必要文本的位置上写一些文本的方法：

for (IPdfTextLocation location : strategy.getResultantLocations()) {
        Rectangle rect = location.getRectangle();
        // do something, for exapmle, write some text
}

推荐阅读