使用iText 5.5.10创建PDF / UA文档时,换行符之前的每个空格似乎都被删除了,这似乎让一些屏幕阅读器感到困惑。以下示例创建此文本(在linebreak之前注意没有空格):
The quick brown fox jumps over the lazy dog. The quick
brown fox jumps over the lazy dog. The quick brown fox
jumps over the lazy dog.
在屏幕阅读器中阅读时,会有连接的字词(注意" quickbrown"" foxjumps"):
串行发生在PDF文档中放置换行符。
这是一个要重现的最小样本( PDFAWriter和字体嵌入不用于使样本变小,因为它似乎没有区别):
package sandbox.pdfa;
import com.itextpdf.text.Chunk;
import com.itextpdf.text.Document;
import com.itextpdf.text.DocumentException;
import com.itextpdf.text.Font;
import com.itextpdf.text.FontFactory;
import com.itextpdf.text.Paragraph;
import com.itextpdf.text.pdf.BaseFont;
import com.itextpdf.text.pdf.PdfReader;
import com.itextpdf.text.pdf.PdfWriter;
import com.itextpdf.text.pdf.parser.PdfTextExtractor;
import java.io.File;
import java.io.FileOutputStream;
import java.io.IOException;
import java.util.stream.Collectors;
import java.util.stream.IntStream;
public class PdfUaSpike {
static public void main(String args[]) throws IOException, DocumentException {
final String DEST = "results/pdfa/pdfua.pdf";
File file = new File(DEST);
file.getParentFile().mkdirs();
new PdfUaSpike().createPdf(DEST).showExtractedText(DEST);
}
public PdfUaSpike createPdf(String dest) throws IOException, DocumentException {
Document document = new Document();
PdfWriter writer = PdfWriter.getInstance(document, new FileOutputStream(dest));
writer.setPdfVersion(PdfWriter.VERSION_1_7);
writer.setTagged();
writer.setViewerPreferences(PdfWriter.DisplayDocTitle);
document.addLanguage("en-US");
document.addTitle("English pangram");
writer.createXmpMetadata();
document.open();
Font font = FontFactory.getFont(FontFactory.HELVETICA, BaseFont.WINANSI, BaseFont.EMBEDDED, 20);
{
Paragraph p = new Paragraph();
p.setFont(font);
String sampleText = IntStream.range(0, 3)
.mapToObj(i -> "The quick brown fox jumps over the lazy dog. ")
.collect(Collectors.joining());
p.add(sampleText);
document.add(p);
}
document.close();
return this;
}
private void showExtractedText(String path) throws IOException {
System.out.println("Notice that spaces before linebreaks have been removed:" + System.lineSeparator());
String extractedText = PdfTextExtractor.getTextFromPage(new PdfReader(path), 1);
System.out.println(extractedText);
}
}
此示例的依赖关系:
com.itextpdf:itextpdf:jar:5.5.10:compile
com.itextpdf:itext-pdfa:jar:5.5.10:compile
在测试从Word导出的PDF时,它会在文档中保留换行符之前显示空格,并且在屏幕阅读器中工作正常。
有没有办法配置iText以便在换行符之前保留空格?
iText PDF在Linux中创建并在Windows中进行测试。
答案 0 :(得分:0)
猜测你的堆栈的一部分用Unix linebreaks(LF)创建文档,另一部分试图通过盲目删除LF之前的字节来“修复”windows换行符(CR + LF),而不检查它是否是首先是CR。