PDF itext TOC生成

Question

我必须将多个PDF文档合并为一个PDF文档。除此之外，我还要生成TOC。原始文档将包含具有特定样式的文本（例如H1）。此特殊文本成为TOC的一部分。

使用iText合并多个PDF文件。我无法在解析文档时找到示例/ API以查找样式为H1 的所有内容。 生成TOC是下一个挑战。

Answer 1

你没有。 PDF没有样式。他们有“当前的图形状态”，其中包括：

• 当前转换矩阵（CTM）。
• stroke＆amp;填充颜​​色
• 剪切路径
• font＆amp;大小
• 其他文本状态填充（字符间距，字间距，前导，文本渲染模式......）
• • 包括与CTM结合的单独文本转换矩阵。

首先，你必须跟踪所有这些东西（iText主要为你做的）。然后你必须确定“H1”文本的大小，并锁定所有大小屏幕大小的文本，考虑CTM，文本矩阵和字体大小（iText将再次为你做这些，IIRC ）。

只是为了让像你这样的人生活更加精彩，你所看到的文字完全有可能根本不是文字。它可能是路径，也可能是位图......此时你需要OCR，我认为你不会对OCR的尺寸信息有太大影响。

你需要写一个TextRenderListener来确定给定文本的最终大小（以及它是否是最后一篇文章的一部分）并过滤掉所有太小的东西。然后，您将根据找到的文本构建TOC。