PDF表文本提取

Question

我知道表格文本提取不是每个人都喜欢的。但是，当阅读PDF流数据的表，有一些事情我不明白。

Table的PDF码流为:

q                                    % Graphic State Starting Point
0 292.5 595.3 442.8 re               % Rectangle x y Width Height
W*                                   % Clipping Even Odd Rule
n                                    % End without Filling
0 0 0 rg                             % Color of Stroke
161 735 m                            % Move to New Path
160.8 734.7 l  89.3 734.7 l 89 735 l  88.8 735.3 l 161.3 735.3 l
161 735 l                            % straight line
h                                    % Close the Current Path
f*                                   % Fill Path with Even Odd Rule
Q

且下划线为:

q                                 % Graphic State Starting Point
1 0 0 1 451.5 759.5 cm            % Current matrix
0.5 w                             % Width of Stroke
0 0 0 RG                          % color
0 -0.8 m                          % Move to New Path
72 -0.8 l                         % Straight Line
S                                 % Stroke Line
Q                                 % End of Graphic State

在下划线中，m修改cm并将其设置为451.5 759.5，并从当前点(即451.5)到72点(即493.5，小于0.8)到cm(即759.5)绘制直线

我现在不明白，怎么把表格线从一个点画到另一个点

Answer 1

考虑线条绘制部分，其中m是移动到操作符，l是行到:

               % command   coordinates
               % =====================              
161 735 m      % Move-to   a(161, 735)
160.8 734.7 l  % line-to   b(161, 735 -.3)
89.3  734.7 l  % line-to   c(90,  735 -.3)
89    735   l  % line-to   d(90,  735)
88.8  735.3 l  % line-to   e(90,  735 +.3)
161.3 735.3 l  % line to   f(161, 735 +.3)
161   735   l  % line to   g(161, 735)
h              % close-path
f              % fill

(x在160和89左右有一些奇怪的小变化，这些变化太小而无法在视觉上显示-渲染怪癖?)。

[在非常高的分辨率下，行尾会有箭头

<============ ...   =======>

)

除此之外，它绘制了一个非常薄的长框，角为(89, 734,7), (161, 734.7), (161, 735.3)和(89, 735.3)。+/-的影响。y轴上的3个点最有可能给人一种稍微加粗的线条而不是矩形的效果。