从pdf查看器中提取文本和所有字体信息

Question

用户将在网络浏览器控件（或任何其他查看器）中看到一个pdf，并从中选择文本，然后我想找到

1）所选文本的坐标。

2）所选文本的字体大小。

3）所选文本的字体颜色。

4）所选文本的页码。

这样我就可以使用这些信息从 pdf 中查找具有相同主题的文本。

问题1：是否可以在 Web 浏览器控件中找到选择了哪些文本或坐标？一定有更好的方法来使用 pdf tron 查看器吗？

我的方法是修复表单，以便用户不会更改长度，宽度

a）我会找到一种方法将屏幕坐标转换为PDF矩形坐标（#problem 2）

b）然后我填写从这些坐标中获取文本

c）然后我会找到该文本的颜色和其他属性

但我相信，一定有一个简单的方法。我试图寻求帮助，但无法找到这样的帮助。请提供相关文档和帮助，以找出开始任务的起点。

Answer 1

使用网络浏览器无法做到这一点，但可以使用PDFViewCtrl进行替代方法。

1）通过浏览PDFNET在工具箱中添加控件

.dll

2）最好不要拖放控件，或者初始化组件（）后初始化pdfviewctrl

;

3） 添加这些行以为用户提供选择选项

        pdfViewCtrl1.SetDoc(doc);
        pdfViewCtrl1.SetToolMode(pdftron.PDF.PDFViewCtrl.ToolMode.e_text_rect_select);

4）在开始按钮的单击事件后面添加此代码，以便用户告诉程序他/她已选择文本。

            int pagenumber = pdfViewCtrl1.GetCurrentPage();
            if (pdfViewCtrl1.HasSelectionOnPage(pagenumber))
            {
                pdftron.PDF.PDFViewCtrl.Selection selection = pdfViewCtrl1.GetSelection();
                string HTML = selection.GetAsHtml();
                HtmlAgilityPack.HtmlDocument document = new HtmlAgilityPack.HtmlDocument();
                document.LoadHtml(HTML);
                double[] coordinates = selection.GetQuads();
                Rect rect = new Rect(coordinates[6], coordinates[7], coordinates[2], coordinates[3]);
           }

您将获得HTML中的所有内容，否则您有文本和坐标，因此您可以找到更多信息，

在 http://www.pdftron.com/pdfnet/samplecode.html 上查找代码示例