我编写了一个工具AMIPageDrawer（http://github.com/petermr/ami3），通过将PageDrawer工具包的PDFBox类子类化，从PDF提取字符，路径和图像。然后将这些原语用于创建语义SVG（即具有显式字符）。它几乎是完整的（即，路径坐标似乎是正确的），但是fill（Java不描边的颜色）和stroke（Java描边颜色）没有正确提取。这个问题仅适用于path s（不是文本-稍后可能会出现！）。 （AMI是一个开放源代码框架，用于从文档中提取多种类型的语义，并基于pdf2svg取代了我的PDFBox1）。
对于这个问题，我深表歉意，但是关于将PDF提取到SVG的开源代码很少。
在https://github.com/petermr/ami3/tree/master/src/test/resources/org/contentmine/ami/pdf2svg2.so中给出了输入PDF，PageDrawer输出（png）和AMIPageDrawer输出（svg）。
其中包含PDFBox2中的custom-render-demo。 png是通过调用super的{{1}}方法创建的，并且看起来基本上是相同的，因此可以正确地进行调用。同时，我提取了图形调用（PageDrawer，moveTo等，并捕获了lineTo中的语义（我的pathPrimitiveList {{1 }}属性，除了SVG <path d>和CSS属性外，我相信它可以正常工作，尤其是前两个“圆”应该有fill，最后一个应该有stroke。我相信正确提取了坐标（这是我们需要的数据）。
（注意。此版本的fill="none"忽略了stroke="none"，因为是否可以提取语义存在疑问。还忽略了“ Hello World”中未旋转的字符。）
注意：如果有一个现有的Open示例如何提取语义，我会很高兴。否则，这是少数几个实际提取坐标，图元和属性的开放系统之一。子类化AMI而不是clip的吸引力在于，已经应用了转换，并且在语义上与SVG非常接近。
我在下面复制了用于提取路径的关键部分。共有三个交互框架：
PageDrawer使用的PDStreamEngine。这保持“填充”和“笔划”（CSS术语）的状态。我假设这对应于PDGraphics和PageDrawer。NonStrokingColor，StrokingColor用于创建JavaAWT，其状态用PageDrawer表示。 png，结果将以Graphics2D SVG/CSS的形式出现，它明确支持SVG和<path>属性或在fill中。 我的问题是知道何时以及如何从stroke流中提取CSS-style，fill和stroke属性。
我假设构建stroke-width后应该在PageDrawer和path中“输出”，因为我假设这就是调用linePath图形的地方。
我注意到strokePath和AWT都在不同的时间使用，但fillPath没有使用（在此示例中）。
辅助方法和输出如下。
strokePath控制台输出为
fillAndStrokePath