在iText pdf处理期间识别下划线和穿透属性

Question

根据一些q＆amp; a我明白iText文本提取工具由于PDF规范不支持而无法识别下划线和删除线字体属性。为了允许识别，我通过添加形状子路径识别来更新PdfContentStreamProcessor.java。我还添加了ShapeRenderInfo.java来包含图形信息。

例如，识别下划线意味着从TextRenderInfo对象开始并扫描所有ShapeRenderInfo以尝试匹配（矩形包含/交叉...等））通过阅读q＆amp; a我明白iText文本提取工具不支持下划线（透视，重击，...）字体属性识别由于PDF规范允许仅通过在文本下绘制形状下划线。 为了实现下划线识别，我确实通过添加形状子路径管理来更新PdfContentStreamProcessor.java，我还添加了ShapeRenderInfo.java来包含图形渲染参数。

我的想法是通过从TextRenderInfo和ShapeRenderInfo获取Rectangles2D并检查它们之间的包含/交集来识别下划线。

我正在做的事情意味着当前iText如何向RenderListener传递事件有明显的变化，因为它们目前在pdf流中遇到传播，相反我需要首先收集XxxxxRenderObjects，然后在页面结束时传递，因此允许通过矩形搜索。

简而言之：TextRenderInfo上的isUnderline（）方法将开始扫描收集的形状，试图将图形对象矩形与文本矩形相匹配。

除了需要更新RenderListener.java以允许ShapeRender事件传播之外，我确实确定了以下可能的解决方案来实现逻辑更改：

1）更新实现新事件传递策略的PdfContentStreamProcessor

2）通过插入一个能够处理逻辑的新层（一个新的侦听器）来屏蔽PdfContentStreamProcessor和RenderListener

我向iText团队提出的问题是：什么是最佳选择？你有进一步的建议吗？

事先谢谢

JQ。

Answer 1

由于iText没有提供所有必需的事件，我通过添加必要的PDF命令处理来修改PdfContentStreamProcessor（参见PDF参考第8章）然后我写了一个新的处理程序RenderListenerExtended来添加形状处理功能。 然后在第2点之后实施了新的逻辑（下划线，上划线等所需的......）。测试正在进行中。 JQ