Question

使用iTextSharp，我如何确定解析后的文本块是否加粗和加下划线？

详细说明：
我正在尝试用C＃解析.PDF文件，专门用于粗体和下划线的文本。使用ITextSharp，我可以从LocationTextExtractionStrategy派生，并从传递给重写的.RenderText方法的iTextSharp.text.pdf.parser.TextRenderInfo对象中获取文本，位置，字体等。
但是，确定TextRenderInfo对象中的文本是否为粗体和/下划线并不是直截了当的。

我尝试使用TextRenderInfo.GetFont（）查找字体属性，但未成功
我目前可以通过访问TextRenderInfo对象上的私有Graphics State字段并检查它的.Font.PostscriptFontName属性来确定单词“Bold”（丑陋，但似乎有效），从而确定文本是否为Bold。 / LI>
最大的问题：我没有找到任何东西来确定文本是否加下划线。我怎样才能确定这个？

这是我目前的尝试：

        private FieldInfo _gsField = typeof(TextRenderInfo).GetField("gs",
        BindingFlags.GetField | BindingFlags.NonPublic | BindingFlags.Instance);

        //Automatically called for each chunk of text in the PDF
        public override void RenderText(TextRenderInfo renderInfo)
        {
            base.RenderText(renderInfo);
            //UNDONE:Need to determine if text is underlined.  How?

            //NOTE: renderInfo.GetFont().FontWeight does not contain any actual information
            var gs = (GraphicsState)_gsField.GetValue(renderInfo);
            var textChunkInfo = new TextChunkInfo(renderInfo);
            _allLocations.Add(textChunkInfo);
            if (gs.Font.PostscriptFontName.Contains("Bold"))
                //Add this to our found collection
                FoundItems.Add(new TextChunkInfo(renderInfo));

            if (!_lineHeights.Contains(textChunkInfo.LineHeight))
                _lineHeights.Add(textChunkInfo.LineHeight);
        }

当前尝试的完整源代码：GitHub Repository（两个示例（example.pdf和example2.pdf）包含在与我将要搜索的文本类似的文本中。）

Answer 1

我尝试使用TextRenderInfo.GetFont（）查找字体属性，但未成功



我目前可以通过访问TextRenderInfo对象上的私有Graphics State字段并检查它的.Font.PostscriptFontName属性来确定单词“Bold”（丑陋，但看起来有效），从而确定文本是否为Bold。。）

我不太明白这种区别。 TextRenderInfo.GetFont()与Font的私有图形状态字段的TextRenderInfo属性完全相同。

尽管如此，这确实是确定大胆的主要方法之一。

使用

大胆以PDF格式撰写

明确加粗字体（这是更好的方式）;在这种情况下，可以尝试通过
确定字体是否为粗体
- 查看字体名称：它可能包含子字符串“bold”或类似名称;
- 查看字体的一些可选属性，例如字体粗细，但要注意，它们是可选的......
- 检查嵌入的字体文件（如果适用）。
这些方法都不是万无一失的;
与非粗体文本相同的字体，但使用特殊技术使它们显示为粗体（又名穷人的粗体），例如。
- 不仅可以填充字形轮廓，还可以沿着它绘制更粗的线条，以获得大胆的印象，
- 两次绘制字形，第二次略微移位，也是一种大胆的印象。

带下划线 写入PDF通常是通过在文本下明确绘制线条或非常细的矩形来实现的。您可以通过实现IExtRenderListener来尝试检测此类行，使用它解析相关页面以确定行位置，然后在文本提取期间与文本位置匹配。两者都可以在一次通过中完成，但要注意，不需要在文本之前绘制下划线，或者甚至不久之后，pdf生成器可以首先绘制所有文本，然后才绘制所有下划线。此外，我也遇到了一个有趣的结构，非常短（例如1pt）非常宽（例如50pt）的垂直线有效地被看作是水平的......

IExtRenderListener使用三种新方法[{1}}，IRenderListener和ModifyPath扩展了RenderPath。无论何时绘制某条路径，无论是单行，矩形还是某些非常复杂的路径，您都会首先获得一些ClipPath个调用（至少一个）

ModifyPath

定义路径所包含的行和曲线，然后最多一次/** * Called when the current path is being modified. E.g. new segment is being added, * new subpath is being started etc. * * @param renderInfo Contains information about the path segment being added to the current path. */ void ModifyPath(PathConstructionRenderInfo renderInfo);调用

ClipPath

（当且仅当路径将作为以下绘图操作的剪辑路径时），最后只有一个/** * Called when the current path should be set as a new clipping path. * * @param rule Either {@link PathPaintingRenderInfo#EVEN_ODD_RULE} or {@link PathPaintingRenderInfo#NONZERO_WINDING_RULE} */ void ClipPath(int rule);调用

RenderPath

定义如何绘制路径（填充其内部和抚摸路径本身的任何组合）。

即。要识别下划线，您必须收集通过/** * Called when the current path should be rendered. * * @param renderInfo Contains information about the current path which should be rendered. * @return The path which can be used as a new clipping path. */ Path RenderPath(PathPaintingRenderInfo renderInfo);提供的路径片段，并在ModifyPath来电后立即决定是否可以描述一个或多个下划线。

理论上的下划线也可以不同的方式创建，例如：使用位图图像，但我不知道pdf生产者这样做。

顺便说一句，在您的示例中，PDF下划线始终显示为使用RenderPath到行起点，MoveTo到结尾，然后LineTo到简单地绘制抚摸路径。因此，您将分别获得两个Stroke个调用（一个具有操作值ModifyPath，一个具有MOVETO）和一个LINETO调用（具有操作RenderPath）每个下划线。

在PDF中搜索带下划线和粗体文字

1 个答案: