如何从pdf doc加载文本位置？

Question

我通过以下方式加载pdfdoc：

PdfReader pdfReader = new PdfReader(byteArray);
LocationTextExtractionStrategyEx st3 = new LocationTextExtractionStrategyEx();
PdfTextExtractor.GetTextFromPage(pdfReader, 1, st3);

现在我可以从st3.TextLocationInfo获取页面元素列表。每个元素都有属性TopLeft和BottomRight，它们是Vector。 如果我不知道比例的最大值，我怎样才能获得元素位置。我知道矢量从左下角开始，但我不知道哪里结束，因为我不知道像矢量那样的页面大小。

我可以跑

var pageSize = pdfReader.GetPageSize(1)

但是，向量的值大于pageSize Width和Height

另一方面，我可以加载页面上的每个字符位置吗？

Answer 1

LocationTextExtractionStrategyEx不属于iTextSharp。因此，我假设您谈论this answer中提供的课程。那个班级对这些职位毫无兴趣。因此，要回答您的问题：

  

我知道矢量从左下角开始，但我不知道哪里结束，因为我不知道像矢量那样的页面大小。

     

我可以跑

var pageSize = pdfReader.GetPageSize(1)

     

但是，向量的值大于pageSize Width和Height

首先：您从LocationTextExtractionStrategyEx.TextLocationInfo获得的坐标确实要在pdfReader.GetPageSize的上下文中进行解释。

有两个主要原因导致矢量值超出后者的Width和Height：

1. pdfReader.GetPageSize返回的矩形不需要基于（0,0）。它可以例如x坐标为301..400，y坐标为501..600。在这种情况下，高度和宽度都是100，但该矩形中点的所有坐标都会更高。

   因此，请勿查看Width和Height，而是Left，Bottom，Right和Top。

2. 文字实际上可能位于可见页面之外，因此其坐标位于pdfReader.GetPageSize之外。

如有最终判决，请提供相关PDF格式。

Answer 2

我通过

读取页面大小

var pageSize = pdfReader.GetPageSize(1)

接下来我创建了

TextInfoLocation textLocation = new TextInfoLocation(textLine.TopLeft, textLine.BottomRight, this.PdfFilePageSize);

属性.TopLeft和.BottomRight是向量。 textLine是通过策略从pdfReader读取的LocationTextExtractionStrategyEx.TextInfo对象。

现在以像素为单位的文本位置形成了我可以得到的vectores：

double leftMargin = textLocation.LeftMargin;