我对这个问题很感兴趣。我已经在这里读了很多关于它的帖子，如果有人会把我推向正确的方向，我会非常感激。
我有一个PDF，我想提取它的文字，我只对文字和空格感兴趣。我已经设置了CGPDFScanner和它的回调方法。我所读到的是，就提取文本而言，我只需要考虑4个运算符TJ，Tj，qout（'）和doubleqout（“）。
我想我还需要跟踪文本空间，以便能够确定字母是组合在一起形成一个单词还是应该用空格分隔。但我不知道如何做到这一点。
在PDF中，所有文本都采用
格式[(X)-24.2524(X)-24.2524(X)-24.2524(Y)-24.2524(Y)-24.2524]TJ
但我无法弄清楚（使用PDF规范）这些数字的含义。 SO上有人说你不应该害怕PDF规范，但坦率地说，我发现它们不容易阅读/理解。
我研究过有用的PDFKitten代码。
非常感谢任何帮助。
答案 0 :(得分：6)
我无法向您提供如何从PDF中提取单词的建议，但格式为
[(X)-24.2524(X)-24.2524(X)-24.2524(Y)-24.2524(Y)-24.2524]TJ
。 TJ运算符的说明是：
显示一个或多个文本字符串，允许单独的字形定位。 数组的每个元素应该是字符串或数字。如果 element是一个字符串，此运算符应显示该字符串。如果是的话 编号，经营者应按该数额调整文字位置; 也就是说，它应翻译文本矩阵Tm。号码应该是 以千分之一单位的文本空间表示。
所以数字是调整字母之间的距离。