使用iText从pdf文件获取文本字体

Question

我一直在尝试使用iText库提取pdf文档中每个单词的属性（字体，字体大小，颜色等）。我可以从每个页面中提取文本，但不提取属性。此外，我没有找到任何可以提供相同的东西。请帮帮我。

Answer 1

我不是一个Java人，所以我不能给你工作代码，但希望我可以95％的方式让你。

首先，您需要创建一个实现接口com.itextpdf.text.pdf.parser.TextExtractionStrategy

的类

然后您可以将此类的实例作为第三个参数传递给：

PdfTextExtractor.getTextFromPage(PdfReader reader, int pageNumber, TextExtractionStrategy strategy)

该接口的一种方法是renderText，它会被处理的每个文本块都被调用。当它被调用时，传递了TextRenderInfo，其中有一个名为getFont的方法，它可以为您提供所需的内容。将其内容存储在某种缓冲区中，在调用getTextFromPage之后，您可以检查该缓冲区以查看每种字体。如果您想查看实现该接口的示例，请在线查找SimpleTextExtractionStrategy的代码。否则here's a C# version几乎可以满足您的需求。