Question

我正在尝试使用pdfbox从pdf中提取所有信息的文本。除了颜色，我得到了我想要的所有信息。我尝试了不同的方法来获得fontcolor（包括Getting Text Colour with PDFBox）。但不行。现在我从PageDrawer类的pdfBox中复制了代码。但是那时RGB值也不正确。

protected void processTextPosition(TextPosition text) {

        Composite com;
        Color col;
        switch(this.getGraphicsState().getTextState().getRenderingMode()) {
        case PDTextState.RENDERING_MODE_FILL_TEXT:
            com = this.getGraphicsState().getNonStrokeJavaComposite();
            int r =       this.getGraphicsState().getNonStrokingColor().getJavaColor().getRed();
            int g = this.getGraphicsState().getNonStrokingColor().getJavaColor().getGreen();
            int b = this.getGraphicsState().getNonStrokingColor().getJavaColor().getBlue();
            int rgb = this.getGraphicsState().getNonStrokingColor().getJavaColor().getRGB();
            float []cosp = this.getGraphicsState().getNonStrokingColor().getColorSpaceValue();
            PDColorSpace pd = this.getGraphicsState().getNonStrokingColor().getColorSpace();
            break;
        case PDTextState.RENDERING_MODE_STROKE_TEXT:
            System.out.println(this.getGraphicsState().getStrokeJavaComposite().toString());
            System.out.println(this.getGraphicsState().getStrokingColor().getJavaColor().getRGB());
           break;
        case PDTextState.RENDERING_MODE_NEITHER_FILL_NOR_STROKE_TEXT:
            //basic support for text rendering mode "invisible"
            Color nsc = this.getGraphicsState().getStrokingColor().getJavaColor();
            float[] components = {Color.black.getRed(),Color.black.getGreen(),Color.black.getBlue()};
            Color  c1 = new Color(nsc.getColorSpace(),components,0f);
            System.out.println(this.getGraphicsState().getStrokeJavaComposite().toString());
            break;
        default:
            System.out.println(this.getGraphicsState().getNonStrokeJavaComposite().toString());
            System.out.println(this.getGraphicsState().getNonStrokingColor().getJavaColor().getRGB());
    }

我正在使用上面的代码。获得的价值是 r = 0，g = 0，b = 0，cosp对象内部值为[0.0]，内部pd对象数组= null，colorSpace = null。和RGB值始终为-16777216。请帮我。提前谢谢。

Answer 1

我尝试了您发布的链接中的代码，它对我有用。我得到的颜色是148.92,179.01001和214.965。我希望我可以给你我的PDF工作，也许我将它存储在SO外部？我的PDF使用了一种浅蓝色，似乎很匹配。它只是在Word 2010中创建并导出的一页文本，没有太强烈。

一些建议......

回想一下，返回的值是一个介于0和1之间的浮点数。如果一个值意外地转换为int，那么值当然最终将包含所有0.链接到代码的倍数乘以255以获得一个范围0到255。
正如评论者所说，PDF文件最常见的颜色是黑色，即0 0 0

这就是我现在所能想到的全部，否则我有pdfbox和fontbox的1.7.1版本，就像我说的那样，我几乎跟着你给出的链接。

修改

根据我的评论，这里可能是一种为color.pdf等pdf文件进行微创的方式？

在PDFStreamEngine.java方法的processOperator中，可以在try块中执行

if (operation.equals("RG")) { // stroking color space System.out.println(operation); System.out.println(arguments); } else if (operation.equals("rg")) { // non-stroking color space System.out.println(operation); System.out.println(arguments); } else if (operation.equals("BT")) { System.out.println(operation); } else if (operation.equals("ET")) { System.out.println(operation); }

这将显示信息，然后由您根据需要处理每个部分的颜色信息。以下是在color.pdf ...
上运行时上述代码输出开头的代码段
BT rG [COSInt(1), COSInt(0), CosInt(0)] RG [COSInt(1), COSInt(0), CosInt(0)] ET BT ET BT rG [COSFloat{0.573}, COSFloat{0.816}, COSFloat{0.314}] RG [COSFloat{0.573}, COSFloat{0.816}, COSFloat{0.314}] ET ......

在上面的输出中你会看到一个空的BT ET部分，这是一个标记为DEVICEGRAY的部分。所有其他的给出了R，G和B分量的[0,1]值

Answer 2

我也最终做了这样的事情。粘贴下面的代码，希望它可以帮助某人。

import java.io.IOException;
import java.util.List;
import org.apache.pdfbox.exceptions.COSVisitorException;
import org.apache.pdfbox.pdmodel.PDDocument;
import org.apache.pdfbox.pdmodel.PDPage;
import org.apache.pdfbox.pdmodel.edit.PDPageContentStream;
import org.apache.pdfbox.pdmodel.font.PDFont;
import org.apache.pdfbox.pdmodel.font.PDType1Font;
import org.apache.pdfbox.pdmodel.graphics.PDGraphicsState;
import org.apache.pdfbox.util.PDFTextStripper;
import org.apache.pdfbox.util.ResourceLoader;
import org.apache.pdfbox.util.TextPosition;

public class Parser extends PDFTextStripper {

public Parser() throws IOException {
    super(ResourceLoader.loadProperties(
            "org/apache/pdfbox/resources/PageDrawer.properties", true));
    super.setSortByPosition(true);
}

public void parse(String path) throws IOException{
    PDDocument doc = PDDocument.load(path);
    List<PDPage> pages = doc.getDocumentCatalog().getAllPages();
    for (PDPage page : pages) {
        this.processStream(page, page.getResources(), page.getContents().getStream());
    }
}

@Override
protected void processTextPosition(TextPosition text) {
    try {
        PDGraphicsState graphicsState = getGraphicsState();
        System.out.println("R = " + graphicsState.getNonStrokingColor().getJavaColor().getRed());
        System.out.println("G = " + graphicsState.getNonStrokingColor().getJavaColor().getGreen());
        System.out.println("B = " + graphicsState.getNonStrokingColor().getJavaColor().getBlue());
    }
    catch (IOException ioe) {}

}

public static void main(String[] args) throws IOException, COSVisitorException {
    Parser p = new Parser();
    p.parse("/Users/apple/Desktop/123.pdf");
}

}

Answer 3

我在我的一个维护程序中找到了一些代码我不知道它对你有用，请试一试。另请查看此链接http://pdfbox.apache.org/apidocs/org/apache/pdfbox/pdmodel/common/class-use/PDStream.html

它可能对你有帮助

PDDocument doc = null;
try {
    doc = PDDocument.load("C:/Path/To/Pdf/Sample.pdf");
    PDFStreamEngine engine = new PDFStreamEngine(ResourceLoader.loadProperties("org/apache/pdfbox/resources/PageDrawer.properties"));
    PDPage page = (PDPage)doc.getDocumentCatalog().getAllPages().get(0);
    engine.processStream(page, page.findResources(), page.getContents().getStream());
    PDGraphicsState graphicState = engine.getGraphicsState();
    System.out.println(graphicState.getStrokingColor().getColorSpace().getName());
    float colorSpaceValues[] = graphicState.getStrokingColor().getColorSpaceValue();
    for (float c : colorSpaceValues) {
        System.out.println(c * 255);
    }
}
finally {
    if (doc != null) {
        doc.close();
    }

Answer 4

使用pdfbox verson 2.0+时，必须在覆盖的PDFTextStripper的构造函数中选择这些运算符：

addOperator(new SetStrokingColorSpace());
addOperator(new SetNonStrokingColorSpace());
addOperator(new SetStrokingDeviceCMYKColor());
addOperator(new SetNonStrokingDeviceCMYKColor());
addOperator(new SetNonStrokingDeviceRGBColor());
addOperator(new SetStrokingDeviceRGBColor());
addOperator(new SetNonStrokingDeviceGrayColor());
addOperator(new SetStrokingDeviceGrayColor());
addOperator(new SetStrokingColor());
addOperator(new SetStrokingColorN());
addOperator(new SetNonStrokingColor());
addOperator(new SetNonStrokingColorN());

只有这样getGraphicsState（）才会返回正确的信息。

请参阅https://pdfbox.apache.org/2.0/migration.html

Answer 5

这里是PdfBox - How to load color from text，它应该能够用比这些其他答案更简单的解决方案来回答您的问题:)

如何使用pdfbox获取字体颜色

5 个答案: