Question

我一直试图使用PoDoFo C ++库来提取文本和行（使用它们各自的坐标）。但我无法做到这一点。

这是我到目前为止所做的：

#include <iostream>
#include <stdio.h>
#include <vector>
#include <podofo/podofo.h>
using namespace PoDoFo;
using namespace std;

int main( int argc, char* argv[] )
{
    const char* filename = "hello.pdf";
    PdfVecObjects *x = new PdfVecObjects();
    PdfParser parser(x, filename);
    parser.ParseFile("hello.pdf");

    for (TIVecObjects obj = x->begin(); obj != x->end(); obj++){
        PdfObject * a = x->RemoveObject(obj);
        // THIS IS MY PROBLEM VVVVVVVVVV
        cout << a->Reference().ToString() << endl;
    }

    return 0;
}

然而，这只给了我非常基本的信息（似乎是对象编号）

DEBUG: Size=12
DEBUG: Reading numbers: 0 12
DEBUG: Reading XRef Section: 0 with 12 Objects.
DEBUG: Size=12
DEBUG: Reading numbers: 0 12
DEBUG: Reading XRef Section: 0 with 12 Objects.
1 0 R
2 0 R
3 0 R
4 0 R
5 0 R
6 0 R
7 0 R
8 0 R
9 0 R
10 0 R
11 0 R

我想打印出一个对象的坐标，如果它是一条线或文本。如果是文本，我也希望能够打印出文本。有谁知道这个库比我知道我能做些什么来解决这个问题？

Answer 1

此answer将向您展示如何提取文字。

要获取文本定位信息，您还必须处理以下命令：

Tc，Tw，Tz，TL，T*，Tr和Tm。

您肯定需要从Adobe下载PDF spec以获取所有详细信息。有一章专门讨论文本处理。打印出那一章是非常值得的，因为你会指的是 lot 。你需要知道的一切都在那里，但并不总是很明显。

您还需要使用一些线性代数。但是，没有什么太复杂了。

由于有很多方法可以实现相同的结果，因此即使您要处理的文档似乎不需要某些功能，也必须彻底实施所有命令。例如：我遇到了一个文档，它将所有文本大小设置为一个点，这会丢弃所有计算，直到我意识到它使用文本缩放因子来设置实际的字体大小。

Answer 2

使用PoDoFo工具“ podofotxtextract”，它会为您提供x，y坐标（PoDoFo软件包的工具文件夹）。从Pdf中提取文本。

PoDoFo从pdf中提取文本+坐标

2 个答案: