Question

我有一个pdf，其中包含一些数据，后跟一些空格。我不知道数据有多大，但我想在数据之后删除空白

    PdfReader reader = new PdfReader(PDFLOCATION);
    Rectangle rect = new Rectangle(700, 2000);
    Document document = new Document(rect);
    PdfWriter writer = PdfWriter.getInstance(document, new FileOutputStream(SAVELCATION));

     document.open();

        int n = reader.getNumberOfPages();
        PdfImportedPage page;
        for (int i = 1; i <= n; i++) {
            document.newPage();
            page = writer.getImportedPage(reader, i);
            Image instance = Image.getInstance(page);
            document.add(instance);
        }
        document.close();

有没有办法剪切/修剪新文档中每个页面的空白？此PDF包含矢量图形。

我使用iTextPDF，但可以切换到任何Java库（mavenized，Apache许可首选）

Answer 1

由于尚未发布实际解决方案，因此附带itext-questions mailing list thread：

的一些指示

由于您只想修剪网页，因此不是PdfWriter + getImportedPage使用情况，而是使用PdfStamper。使用PdfStamper的主代码可能如下所示：

PdfReader reader = new PdfReader(resourceStream); 
PdfStamper stamper = new PdfStamper(reader, new FileOutputStream("target/test-outputs/test-trimmed-stamper.pdf")); 

// Go through all pages 
int n = reader.getNumberOfPages(); 
for (int i = 1; i <= n; i++) 
{ 
    Rectangle pageSize = reader.getPageSize(i); 
    Rectangle rect = getOutputPageSize(pageSize, reader, i); 

    PdfDictionary page = reader.getPageN(i); 
    page.put(PdfName.CROPBOX, new PdfArray(new float[]{rect.getLeft(), rect.getBottom(), rect.getRight(), rect.getTop()})); 
    stamper.markUsed(page); 
} 
stamper.close();

如您所见，我还为您的getOutputPageSize方法添加了另一个参数。这是页码。毕竟，要修剪的空白区域在不同的页面上可能会有所不同。

如果源文档不包含矢量图形，您可以简单地使用iText解析器包类。甚至已经存在基于它们的TextMarginFinder。在这种情况下，getOutputPageSize方法（带有附加页面参数）可能如下所示：

private Rectangle getOutputPageSize(Rectangle pageSize, PdfReader reader, int page) throws IOException 
{ 
    PdfReaderContentParser parser = new PdfReaderContentParser(reader);
    TextMarginFinder finder = parser.processContent(page, new TextMarginFinder());
    Rectangle result = new Rectangle(finder.getLlx(), finder.getLly(), finder.getUrx(), finder.getUry());
    System.out.printf("Text/bitmap boundary: %f,%f to %f, %f\n", finder.getLlx(), finder.getLly(), finder.getUrx(), finder.getUry());
    return result;
}

将此方法与您的文件test.pdf一起使用会产生：

enter image description here

当您看到代码根据页面上的 text （以及位图图像）内容进行修剪时。

要找到关于矢量图形的边界框，你基本上也必须这样做，但你必须扩展这里使用的解析器框架来通知它的监听器（TextMarginFinder本质上是一个监听器绘制从解析器框架发送的关于矢量图形操作的事件。这是非常重要的，特别是如果您还不熟悉PDF语法的话。
如果要修剪的PDF不是太通用但可以强制在相关位置包含一些文本或位图图形，但是，无论如何，您可以使用上面的示例代码（可能稍有更改）。

E.g。如果您的PDF始终以文本开头并以文本底部结尾，则可以更改getOutputPageSize以创建结果矩形，如下所示：
```
Rectangle result = new Rectangle(pageSize.getLeft(), finder.getLly(), pageSize.getRight(), finder.getUry());
```
这只会修剪顶部和底部的空白区域：

根据您的输入数据池和要求，这可能就足够了。

或者您可以根据您对输入数据的了解使用其他一些启发式方法。如果您对文本的定位有所了解（例如，标题始终居中，而其他文本总是从左侧开始），您可以轻松扩展TextMarginFinder以利用这些知识。

最近（2015年4月，iText 5.5.6-SNAPSHOT）改进

当前的开发版本5.5.6-SNAPSHOT扩展了解析器包，还包括矢量图解析。这允许扩展iText的原始TextMarginFinder类，实现新的ExtRenderListener方法，如下所示：

@Override
public void modifyPath(PathConstructionRenderInfo renderInfo)
{
    List<Vector> points = new ArrayList<Vector>();
    if (renderInfo.getOperation() == PathConstructionRenderInfo.RECT)
    {
        float x = renderInfo.getSegmentData().get(0);
        float y = renderInfo.getSegmentData().get(1);
        float w = renderInfo.getSegmentData().get(2);
        float h = renderInfo.getSegmentData().get(3);
        points.add(new Vector(x, y, 1));
        points.add(new Vector(x+w, y, 1));
        points.add(new Vector(x, y+h, 1));
        points.add(new Vector(x+w, y+h, 1));
    }
    else if (renderInfo.getSegmentData() != null)
    {
        for (int i = 0; i < renderInfo.getSegmentData().size()-1; i+=2)
        {
            points.add(new Vector(renderInfo.getSegmentData().get(i), renderInfo.getSegmentData().get(i+1), 1));
        }
    }

    for (Vector point: points)
    {
        point = point.cross(renderInfo.getCtm());
        Rectangle2D.Float pointRectangle = new Rectangle2D.Float(point.get(Vector.I1), point.get(Vector.I2), 0, 0);
        if (currentPathRectangle == null)
            currentPathRectangle = pointRectangle;
        else
            currentPathRectangle.add(pointRectangle);
    }
}

@Override
public Path renderPath(PathPaintingRenderInfo renderInfo)
{
    if (renderInfo.getOperation() != PathPaintingRenderInfo.NO_OP)
    {
        if (textRectangle == null)
            textRectangle = currentPathRectangle;
        else
            textRectangle.add(currentPathRectangle);
    }
    currentPathRectangle = null;

    return null;
}

@Override
public void clipPath(int rule)
{
}

（完整来源：MarginFinder.java）

使用此类修剪空白会导致

enter image description here

这几乎是人们所希望的。

小心： 上面的实现远非最佳。它甚至不正确，因为它包括太多的所有曲线控制点。此外，它忽略了线宽或楔形类型之类的东西。它实际上只是一个概念验证。

所有测试代码都在TestTrimPdfPage.java。

使用iTextPDF修剪页面的空白

1 个答案:

最近（2015年4月，iText 5.5.6-SNAPSHOT）改进