0

我正在使用 Itext，我需要提取 PDF 中特定标题的字体颜色，关于如何执行此操作的任何想法？

4

2 回答 2

1

在使用 iTextSharp（iText 的 .NET 端口）过去 6 个月后，我将尝试解释如何实现您想要的。虽然这不是一个准确的答案，但它很可能会引导您到一个可以做额外功课来实现它的地方。

PDF 格式保持内存中的“图形状态”，大致是一组指定当前颜色、笔粗细、线条样式等的值。所有渲染操作（包括文本渲染）都使用此图形状态来确定该操作将输出什么生产。例如，您可以将当前颜色设置为蓝色，然后画几条线，所有这些线都将是蓝色的。因此，您不必为每个线条绘制操作指定线条颜色。

对于着色，我们在图形状态中有两个变量：当前描边颜色和当前非描边颜色。描边颜色用于一维绘图，如线条、边框等（如果您使用过 GDI+，这大致是 System.Drawing.Pen），而非描边颜色用于 2D 操作，如填充（在GDI+，一个 System.Drawing.Brush）。我相信文本着色是使用非描边颜色完成的，因为字形是 2D 对象。

对，既然你知道了理论部分，这就是你需要做的。PdfContentStreamProcessor在 iText 源代码中定位类。在这里，您会发现PopulateOperators()列出了 iText 当前可以解析的所有运算符。与着色相关的操作符有很多，这里不能一一概括（详见PDF规范），总之CSandcs操作符设置当前的颜色空间（支持RGB、Grayscale、CMYK、 L*a*b 和其他）SC和sc设置当前描边和非描边颜色的运算符。同样，关于设置颜色空间，然后根据您应该查看 PDF 规范文档的当前颜色空间解释描边和非描边颜色的值，有很多细节。此外，还有一些推送和弹出图形状态操作会使事情变得更加复杂。

简而言之，您需要添加对运算符的支持，包括CS, cs, G, g, RG, rg, K, k, SC, sc,SCN和scn. 目前 iTextSharp 目前不支持它们中的大多数，因此您必须为它们中的每一个编写自己的类（实现IContentOperator接口）。

您可以从这里获得很多实施帮助。尽管这个人并没有详细地实现它（我可以说这将是很多工作，尤其是处理 PDF 支持的所有颜色空间），这应该给你一个很好的起点。

希望这可以帮助。

于 2012-12-23T08:54:17.280 回答
1

PDF Clown（原生 Java 和 .NET）支持文本样式信息提取（包括文本颜色和文本渲染模式）和几乎所有开箱即用的图形运算符（参见其代码库中的 TextInfoExtractionSample）。

这个开源/免费软件库具有多功能内容引擎（请参阅 ContentScanner 类），能够执行不同的任务，例如内容解析、内容提取、内容编辑、内容呈现和打印（目前最后一个部分开发）。

它的对象模型是丰富且有凝聚力的（只有 2 个基类管理所有逻辑：PdfObject位于原始低级 PDF 类型（如字典、数组、数字...）的根；PdfObjectWrapper位于专用高级的根级 PDF 实体（例如页面、注释、书签...）），反映了官方 PDF 规范而没有其古怪之处。

我是它的开发者，所以我可能会有偏见，但如果你想尝试一下，我建议你从 sourceforge.net 上的 SVN 存储库中查看，因为 0.1.2 版本（目前正在开发中）引入了很多增强功能在最后一个版本。

于 2012-12-24T03:35:19.770 回答