提取PDF注释

Question

我需要使用C＃提取和读取PDF的注释。

我可以通过同时使用PDFBox和itextsharp来解压缩文件，但我需要读取注释文本或带下划线或彩色（突出显示的行）。

有什么想法吗？

Answer 1

您需要了解页面的实际内容（使用页面的内容流中的PDF语法描述的内容）与添加到的页面之间存在差异页面（页面词典的/Annots条目中的注释词典中描述的内容）。

到目前为止，您正在提取注释词典的内容，但您还希望使用注释的/Rect条目从标识位置的内容流中提取内容。您需要解析页面的内容流才能执行此操作。

请转到official iText web site并阅读常见问题解答，更具体地说：How to read text from a specific position?

假设reader是PdfReader个实例，rect是定义要提取的文本位置的Rectangle，并page对应页码，然后您可以创建RenderFilter并使用LocationTextExtractionStrategy，如下所示：

RenderFilter[] filter = {new RegionTextRenderFilter(rect)};
ITextExtractionStrategy strategy =
    new FilteredTextRenderListener(
        new LocationTextExtractionStrategy(), filter);
String text = PdfTextExtractor.GetTextFromPage(reader, page, strategy));