0

我正在设法从电子邮件中生成一个 PDF 文件，我实际上是通过MailKit.

生成 pdf 文件本身没有实际问题（我正在向PdfWriter实例提供由HtmlAgilityPack.

我只想将每个单词指定为单个TextChunk而不是每个短语，这就是实际写作的内容。我猜这是“特定”的东西，因为根据 pdf 打印机/生成器的不同，它适用于某些文档，TextChunk组成只是变化，有时是短语、单词甚至单个字符。

有没有办法将要插入到文档中的每个新块指定为一个单词？

这是我的代码，但到目前为止我还没有弄清楚如何指定“块细节”级别。

using (var ms = new MemoryStream())
{
    using (var doc = new Document())
    {
        using (var writer = PdfWriter.GetInstance(doc, ms))
        {
            doc.Open();
            using (var srHtml = new StringReader(message.Body.HtmlBody))
            {
                XMLWorkerHelper.GetInstance().ParseXHtml(writer, doc, srHtml);
            }
            doc.Close();
        }
    }
    File.WriteAllBytes(_outputPath, ms.ToArray());
}
4

1 回答 1

1

iText 中的类TextChunk与文本提取有关，而您的代码与 PDF 生成有关。在评论中，您澄清说，您的用例不仅包括 PDF 生成，还包括这些 PDF 的内容受文本提取的后续步骤，并且您希望以某种方式以文本提取的方式生成 PDF step 使 中的TextChunk实例LocationTextExtractionStrategy总是包含一个完整的单词。

首先，提取文本的块度不仅仅是所讨论的 PDF 生成器的自定义怪癖，一个块有一个最大长度，它必须停在第一个字符处，该字符会改变当前设置，例如颜色, font, font size, ..., 或者与前一个字符的距离不是由前一个字符的宽度单独决定的。

虽然前一种设置很少在一个单词中改变（但即使它们偶尔会改变），但如果 PDF 生成器通过应用字距调整来美化书面文本，则后一种异常可能会经常发生。

因此，对于支持字距调整的 PDF 生成器，您通常会得到比单词小的块，并且除非您拒绝支持字距调整，否则您无法阻止这种情况。

但是，在这些限制允许的范围内，它通常是 PDF 生成器的实现细节，块得到多长时间，它通常是不可配置的。

在手头的情况下：iText，对于要求绘制的每个连续文本，创建尽可能长的块，您无法通过配置更改此设置。

但是，您可以做的是根据您的要求减少您绘制的连续文本！例如对于

<html><body><p>Header material</p></body></html>

你得到一个单一的块“标题材料”，但对于

<html><body><p><span>Header</span> <span>material</span></p></body></html>

你得到块“标题”，“”和“材料”！

于 2019-01-18T15:48:41.010 回答