我使用以下内容来阅读PDF文件并获取页面的文本字符串:
my $pdf = CAM::PDF->new($pdf_file);
my $pagetree = $pdf->getPageContentTree($page_no);
# Get all text strings of the page
# MyRenderer is a separate package which implements getTextBlocks and
# renderText methods
my @text = $pagetree->traverse('MyRenderer')->getTextBlocks;
现在,@text
包含所有文本字符串,并从每个文本字符串的x,y开始。
如何获得每个字符串的宽度(可能还有高度)?
MyRenderer包如下:
package MyRenderer;
use base 'CAM::PDF::GS';
sub new {
my ($pkg, @args) = @_;
my $self = $pkg->SUPER::new(@args);
$self->{refs}->{text} = [];
return $self;
}
sub getTextBlocks {
my ($self) = @_;
return @{$self->{refs}->{text}};
}
sub renderText {
my ($self, $string, $width) = @_;
my ($x, $y) = $self->textToDevice(0,0);
push @{$self->{refs}->{text}}, {
str => $string,
left => $x,
bottom => $y,
right =>$x + $width,
};
return;
}
更新1: 有一个函数 getStringWidth($ fontmetrics,$ string) 在CAM :: PDF中。尽管我在该函数中有一个参数$ fontmetrics,但无论我传递给该参数,该函数都会返回给定字符串的相同值。
另外,我不确定返回值使用的度量单位。
更新2: 我将renderText函数更改为以下:
sub renderText {
my ($self, $string, $width) = @_;
my ($x, $y) = $self->textToDevice(0,0);
push @{$self->{refs}->{text}}, {
str => $string,
left => $x,
bottom => $y,
right =>$x + ($width * $self->{Tfs}),
font => $self->{Tf},
font_size => $self->{Tfs},
};
return;
}
请注意,除了获取font和font_size之外,我还将$ width与字体大小相乘,以获得字符串的实际宽度。
现在,唯一缺少的就是身高。
答案 0 :(得分:1)
getStringWidth()在很大程度上取决于您提供的字体指标。如果在该数据结构中找不到字符宽度,则它将回退到以下代码:
if ($width == 0)
{
# HACK!!!
#warn "Using klugy width!\n";
$width = 0.2 * length $string;
}
这可能是你所看到的。当我写这篇文章时,我认为它比返回0更好。如果您的字体指标看起来很好并且您认为CAM :: PDF中存在错误,请随意post more details我会看一下。