使用 iTextSharp 查找 PDF 中的最后一行

Question

我使用以下代码使用 iTextSharp 查找 PDF 中的最后一行 y 坐标

Dim pdfReader As New PdfReader("D:/sample.pdf")
Dim y_cordinate as integer
Dim parser As New PdfReaderContentParser(pdfReader)
Dim finder As TextMarginFinder
finder = parser.ProcessContent(pagen0, New TextMarginFinder())
y_cordinate = finder.GetLly()

如果是直接的PDF，我能够得到正确的y坐标但在其他情况下，我将 MS Word 文档转换为 PDF 并尝试在该 PDF 上执行上述代码然后它正在获取PDF格式的Word文档位置的边距（y纵坐标）请帮助找到文本以PDF结尾的正确Y坐标。（前面的话）。请找到从Word转换的PDF链接。https://www.dropbox.com/s/ha1vrk58umuv3h7/PACACH0123.pdf?dl=0

Answer 1

示例文档的每一页都包含文本绘图说明，这些说明使用基线在 y 坐标 39 处绘制空格字符：

BT
/F2 14.04 Tf
1 0 0 1 72.024 39.024 Tm
[( )] TJ
ET
BT
1 0 0 1 306.05 39.024 Tm
[( )] TJ
ET
BT
1 0 0 1 397.63 39.024 Tm
[( )] TJ
ET

没有低于此值

因此，您的代码将正确返回 39 + 下降作为最后一行的底部。

---

为了解决这个问题，你可以使用Java/iText中解释和概述的方法，在这个答案"TextMarginFinder验证可打印性"，即在计算文本边界框时忽略所有空格字符：

using (PdfReader pdfReader = new PdfReader(source))
{
    System.Console.Write("n*n*n* Filtered last lines per page of {0}n*n*n", source);
    for (int page = 1; page <= pdfReader.NumberOfPages; page++)
    {
        PdfReaderContentParser parser = new PdfReaderContentParser(pdfReader);
        TextMarginFinder finder = new TextMarginFinder();
        FilteredRenderListener filtered = new FilteredRenderListener(finder, new SpaceFilter());
        parser.ProcessContent(page, new TextRenderInfoSplitter(filtered));
        System.Console.Write("Page {0}, Bottom y {1}n", page, finder.GetLly());
    }
}

使用这两个帮助程序类

class TextRenderInfoSplitter : IRenderListener
{
    public TextRenderInfoSplitter(IRenderListener strategy) {
        this.strategy = strategy;
    }
    public void RenderText(TextRenderInfo renderInfo) {
        foreach (TextRenderInfo info in renderInfo.GetCharacterRenderInfos()) {
            strategy.RenderText(info);
        }
    }
    public void BeginTextBlock() {
        strategy.BeginTextBlock();
    }
    public void EndTextBlock() {
        strategy.EndTextBlock();
    }
    public void RenderImage(ImageRenderInfo renderInfo) {
        strategy.RenderImage(renderInfo);
    }
    IRenderListener strategy;
}
class SpaceFilter : RenderFilter
{
    public override bool AllowText(TextRenderInfo renderInfo)
    {
        return renderInfo != null && renderInfo.GetText().Trim().Length > 0;
    }
}

示例文档的输出为：

*
*
* Filtered last lines per page of PACACH0123.pdf
*
*
Page 1, Bottom y 81,92254
Page 2, Bottom y 413,1685
Page 3, Bottom y 688,4785

这看起来更像是你所追求的数字。