Question

对于每个单词，我创建一个LocationTextExtractionStrategy类的对象来获取其坐标，但问题是每次我传递一个单词时它返回pdf中存在的该单词的所有块的坐标。如何获取特定位置或特定行中出现的单词的坐标？

我在某个地方找到了代码

namespace PDFAnnotater
 {
   public class RectAndText
    {
      public iTextSharp.text.Rectangle Rect;
      public string Text;
      public RectAndText(iTextSharp.text.Rectangle rect, string text)
       {
        this.Rect = rect;
        this.Text = text;
       }
    }

public class MyLocationTextExtractionStrategy : LocationTextExtractionStrategy
{

    public List<RectAndText> myPoints = new List<RectAndText>();


    public string TextToSearchFor { get; set; }


    public System.Globalization.CompareOptions CompareOptions { get; set; }

    public MyLocationTextExtractionStrategy(string textToSearchFor, System.Globalization.CompareOptions compareOptions = System.Globalization.CompareOptions.None)
    {
        this.TextToSearchFor = textToSearchFor;
        this.CompareOptions = compareOptions;
    }


    public override void RenderText(TextRenderInfo renderInfo)
    {
        base.RenderText(renderInfo);


        var startPosition = System.Globalization.CultureInfo.CurrentCulture.CompareInfo.IndexOf(renderInfo.GetText(), this.TextToSearchFor, this.CompareOptions);

        //If not found bail
        if (startPosition < 0)
        {
            return;
        }


        var chars = renderInfo.GetCharacterRenderInfos().Skip(startPosition).Take(this.TextToSearchFor.Length).ToList();

        //Grab the first and last character
        var firstChar = chars.First();
        var lastChar = chars.Last();


        //Get the bounding box for the chunk of text
        var bottomLeft = firstChar.GetDescentLine().GetStartPoint();
        var topRight = lastChar.GetAscentLine().GetEndPoint();

        //Create a rectangle from it
        var rect = new iTextSharp.text.Rectangle(
                                                bottomLeft[Vector.I1],
                                                bottomLeft[Vector.I2],
                                                topRight[Vector.I1],
                                                topRight[Vector.I2]
                                                );


        this.myPoints.Add(new RectAndText(rect, this.TextToSearchFor));
    }
}

}

我从数组中传递单词以检查其坐标。问题是RenderText（）方法会为每个块一次又一次地自动调用，并返回pdf中不同位置的单词坐标列表。例如，如果我需要坐标'0'，它返回23坐标。我应该在代码中做什么或修改什么来获得单词的确切坐标？

Answer 1

你的问题有点令人困惑。

如何获取特定位置的单词坐标

在那句话中，你基本上是在说“我怎么能得到我已经知道坐标的东西的坐标？”这是多余的。

我要将您的问题解释为“如果我知道大致的位置，我怎样才能获得单词的坐标？”

我不熟悉C＃，但我认为有类似于Java的方法来处理Rectangle对象。

矩形#crosss（矩形其他）
确定此Rectangle和指定的Rectangle是否相交。

和

矩形＃包含（矩形其他）
测试Shape的内部是否完全包含指定的Rectangle2D。

然后代码变得非常简单。

您使用LocationTextExtractionStrategy来获取所有基于iText的矩形
将它们转换为原生矩形对象（或编写自己的类）
为您测试的每个矩形是否给定的搜索区域包含该矩形，仅保留搜索区域内的那些矩形

如果您想实现第二个用例（如果您知道该行，则获取单词的位置），则有两个选项：

你知道线的粗略坐标
您希望在行号

对于选项1：

构建搜索区域。使用页面的边界来了解宽度（因为线可以在整个宽度上延伸），并添加一些边距y） - 坐标（以考虑字体差异，下标和上标等）
现在你有了一个搜索区域，这将恢复到我之前的答案。

对于选项2：

您已经拥有每个单词的y坐标
围绕那些（到最接近的fontsize的倍数）
构建一个地图，用于跟踪某个y坐标的使用次数
删除任何统计异常值
将所有这些值放入List
对列表进行排序

这可以让您大致了解您可以预期给定行（编号）的位置。

当然，与我之前的解释类似，你需要考虑一些填充和一定程度的灵活性来得到正确的答案。

如何获取PDF的每个单词的坐标？

1 个答案: