Question

我的任务是在以下参数上预检现有的pdf文件：

在文本图层中遵循嵌入字体和使用过的字体;
文件的物理尺寸（宽度和高度，以毫米为单位）。
每个图像图层和整个文档的颜色配置文件。
出血/修剪/艺术盒文件。

我需要使用.net框架。有什么建议吗？

Answer 1

请查看iText或根据poppler实施您自己的解决方案，这样您就可以对pdf文档进行低级访问。

Answer 2

我有偏见（提交者），但我建议您使用iText。

您对“图层”一词的使用使我相信您并不是指（或理解）“图层”通常在PDF中的含义。

在PDF中，图层也称为“可选内容组”。可以使用各种逻辑位（例如当前缩放级别）打开和关闭给定页面的部分。

PDF格式的文本和图像可以具有任意深度/ Z顺序。文本可以位于图像的顶部，可以覆盖其他一些文本，可以在其他图像上绘制，这样......你就可以了。它不会经常发生（如果有的话），但它是可能的。

但是我对你试图询问的理解是你想要坐标＆amp;每个文本的图形状态和给定页面上的任何图像。

iText可以做到这一点，这要归功于相当新的parser包。特别是PdfReaderContentParser，其中包含自定义RenderListener。

在renderText和renderImage的实现中，您将存储/检查所需的一切。

这可以让你获得1和3的大部分内容。挖掘颜色/嵌入信息需要与PdfDictionary等人进行一些低级别的讨论，以及对PDF Specification的一些了解。

2号和4号基于你如何表达它们有点时髦，但实际情况非常简单。

PDF页面可以有5个不同的框：

媒体框：页面的初始大小。需要
裁剪框：完成页面的大小。可选，如果未明确定义，则默认为媒体框。
修剪框：其他打印机不是裁剪框的打印机。可选，默认为裁剪框。
艺术框：包含页面上可见的所有内容的边界框（或其他内容），默认为裁剪框。
出血盒：其他一些印刷品，默认为（你猜对了！）裁剪框。

所有这些“默认为X”都是隐含的。如果你要求修剪框我可能会“空”，在这种情况下，我的责任是检查裁剪框。如果我再次获得null，那么我需要检查媒体框。

因此，当你要求物理尺寸时，你可能指的是媒体盒，或者裁剪框......或者甚至是装饰盒（虽然我对此表示怀疑，因为你后来明确提到它）。

当你想知道其他一个盒子时，你需要知道当这个值不存在时它是什么。

好的，这就是理论。螺母和螺栓时间（用Java表示）：

Rectangle[] getBoxen(PdfReader reader, int pageINDEX) {
  Rectangle retRects[] = new Rectangle[5];
  retRects[0] = reader.getBoxSize(pageINDEX, "media");
  retRects[1] = reader.getBoxSize(pageINDEX, "crop");
  retRects[2] = reader.getBoxSize(pageINDEX, "trim");
  retRects[3] = reader.getBoxSize(pageINDEX, "art");
  retRects[4] = reader.getBoxSize(pageINDEX, "bleed");

  // handle defaults

  // crop box defaults to media box
  if (retRects[1] == null) {
    retRects[1] = retRects[0];
  }

  // everything else defaults to the crop box
  for (int i = 2; i < 4; ++i) {
    if (retRects[i] == null) {
      retRects[i] = retRects[1];
    }
  }

  return retRects; 
}

预检pdf文件

2 个答案: