如何使用iTextSharp从PDF中检测换行符

Question

我使用getbaseline[vector.I2]来计算下标和上标。通过这样做，我无法从PDF中提取换行符。你能告诉我如何使用iTextSharp从PDF获取换行符吗？

Answer 1

您提供的代码并非完全不言自明。因此，我做了一些假设，最重要的是您的代码是RenderText(TextRenderInfo)实现的RenderListener方法的一些摘录，可能是SimpleTextExtractionStrategy的一些扩展，添加了成员​​变量lastBaseLine， firstcharacter_baseline，lastFontSize和lastFont。

这意味着您似乎只对阅读顺序中内容流中出现文本的文档感兴趣;否则，您的代码将基于LocationTextExtractionStrategy或类似的基本算法。

此外，我不理解你的一些if语句，它们总是假的或总是为真的，或者代码体是空的。也不清楚text_second有什么用处，或者为什么在一个地方计算difference = curBaseline[Vector.I2] - curBaseline[Vector.I2]。

所有这些，你的初始if语句似乎测试新文本的垂直基线位置是否与之前的文本不同。因此，您可以在这里找到新行的开头。

我建议您不仅要开始存储最后一个基线，还要开始存储最后一个下行线，根据文档表示当前字体的字符串可能具有的最大范围的线< / em>，并将其与当前上升行进行比较（通过文档表示当前字体字符串可能具有的最高范围的行）。

如果当前文本的上升行低于最后一个文本的下降行，那么这应该意味着我们有一个新行，它对于下标来说太过分了。因此，在代码中：

[...]
else if (curBaseline[Vector.I2] < lastBaseLine[Vector.I2])
{
    if (curAscentLine[Vector.I2] < lastDescentLine[Vector.I2])
    {
        firstcharacter_baseline = character_baseline;
        this.result.Append("<br/>");
    }
    else
    {
        difference = firstcharacter_baseline - curBaseline[Vector.I2];
        text_second.SetTextRise(difference);

        if (difference == 0)
        {
        }
        else
        {
            SupSubFlag = 2;
        }
    }
}
[...]

如果您希望内容流中的文本按阅读顺序发生，您还可以尝试通过比较最后一个文本的基线末尾的Vector.I1坐标和开始来识别新行新文本的基线。如果新的相关金额小于旧金额，则看起来像是一个回车线，暗示新线。

当然，代码会在很多情况下遇到麻烦：

• 每当您期望内容流中的文本按阅读顺序发生时，如果没有实现，您就会全身心投入垃圾。

• 当您有多列文本时，上面的测试不会捕获一列底部和下一列顶部之间的换行符。为了解决这个问题，您可能需要检查（类似于建议检查跳转一行）新文本是否高于最后一个文本，将最后一个上升线与新下降线进行比较。

  < / LI>

• 如果您获得包含非常密集文本的PDF，则行可能与周围行的上标和下标重叠。在这种情况下，您将不得不微调比较。但是在这里你有时会明确地遇到错误检测到的休息。

• 如果您获得带有旋转文字的PDF文件，那么您将获得所有的垃圾邮件。

Answer 2

您可以使用

Document.Add(new Phrase(Environment.NewLine));

OR

  // add line below title
  LineSeparator line = new LineSeparator(1f, 100f, BaseColor.BLACK, Element.ALIGN_CENTER, -1);
  document.Add(new Chunk(line));