iTextSharp - 用2列阅读PDF

Question

我无法阅读带有页眉和页脚的PDF，但在您的身体中有2列。

我已经有列的宽度和高度的标题，但我需要的代码来阅读列的页面。

任何人都可以提供一段代码来读取PDF列吗？

谢谢

Answer 1

这是很难达到你想要什么，如果你不知道列的位置，但我认为你有它的坐标，因为你说“我已经有列的宽度和高度”。在这种情况下，你的问题是不是从张贴在StackOverflow上这个的其他问题不同：iTextSharp read from specific position

假设rect是一个列的位置相对应的Rectangle，那么你就需要这样的代码：

RenderFilter[] filter = {new RegionTextRenderFilter(rect)}; 
ITextExtractionStrategy strategy = new FilteredTextRenderListener(
    new LocationTextExtractionStrategy(), filter); 
String single_column = PdfTextExtractor.GetTextFromPage(reader, i, strategy)); 

现在，您只有一列中的文字。您需要为网页上的每一列重复此操作。

额外的评论：虽然使用RegionTextRenderFilter大多数情况下会工作得很好，少数病例（其中列通过简单地插入的行额外的空格字符创建）可能需要分割文本块来处理提前。这可以通过例如通过使用来自this answer的TextRenderInfoSplitter并将FilteredTextRenderListener包装在其中。