PDFBox PDFTextStripperByArea 区域坐标答案

【问题标题】：PDFBox PDFTextStripperByArea region coordinatesPDFBox PDFTextStripperByArea 区域坐标
【发布时间】：2012-01-20 22:40:36
【问题描述】：

中的矩形是什么尺寸和方向

PDFTextStripperByArea的函数addRegion(String regionName, Rectangle2D rect)。

换句话说，矩形R从哪里开始，它有多大（原点值的尺寸，矩形的尺寸）在什么位置如果将new Rectangle(10,10,100,100) 作为第二个参数给出，它的方向是（图中蓝色箭头的方向）？

【问题讨论】：

标签： pdfbox

【解决方案1】：

Code in java using PDFBox.

 public String fetchTextByRegion(String path, String filename, int pageNumber) throws IOException {
        File file = new File(path + filename);
        PDDocument document = PDDocument.load(file);
        //Rectangle2D region = new Rectangle2D.Double(x,y,width,height);
        Rectangle2D region = new Rectangle2D.Double(0, 100, 550, 700);
        String regionName = "region";
        PDFTextStripperByArea stripper;
        PDPage page = document.getPage(pageNumber + 1);
        stripper = new PDFTextStripperByArea();
        stripper.addRegion(regionName, region);
        stripper.extractRegions(page);
        String text = stripper.getTextForRegion(regionName);
        return text;
    }

【讨论】：

你没有回答这个问题。这个问题清楚地要求解释区域矩形值的语义，而不是一些代码。请尊重您回答的问题。

【解决方案2】：

new Rectangle(10,10,100,100)

表示矩形的左上角位于 (10, 10) 位置，因此距离 PDF 文档的左侧和顶部 10 个单位。这里的“单位”是 1 pt = 1/72 英寸。

第一个 100 代表矩形的宽度，第二个代表高度。综上所述，右图是第一张。

我编写了这段代码来提取页面的某些区域作为函数的参数：

Rectangle2D region = new Rectangle2D.Double(x, y, width, height);
String regionName = "region";
PDFTextStripperByArea stripper;

stripper = new PDFTextStripperByArea();
stripper.addRegion(regionName, region);
stripper.extractRegions(page);

所以，x 和 y 是 Rectangle 左上角的绝对坐标，然后你指定它的宽度和高度。 page 是一个 PDPage 变量，作为该函数的参数。

【讨论】：

但是如何确定一个PDF文件的总width/height呢？即width(height) 对于 PDF 文件可以有多大？
我会建议我们为所有 4 个数字使用不同的数字，例如 15、10、50、100，这样更容易描述每个数字所指的内容。
如果你打开 Adobe Reader，你可以去编辑 -> 分析 -> 测量工具，并用它来测量文档的各个部分

【解决方案3】：

正在考虑做这样的事情，所以我想我会传递我发现的东西。

这是使用 itext 创建我的原始 pdf 的代码。

import com.lowagie.text.Document
import com.lowagie.text.Paragraph
import com.lowagie.text.pdf.PdfWriter

class SimplePdfCreator {
    void createFrom(String path) {
        Document d = new Document()
        try {
            PdfWriter writer = PdfWriter.getInstance(d, new FileOutputStream(path))
            d.open()
            d.add(new Paragraph("This is a test."))
            d.close()
        } catch (Exception e) {
            e.printStackTrace()
        }
    }
}

如果你打开 pdf，你会在左上角看到文本。这是显示您正在寻找的内容的测试。

@Test
void createFrom_using_pdf_box_to_extract_text_targeted_extraction() {
    new SimplePdfCreator().createFrom("myFileLocation")
    def doc = PDDocument.load("myFileLocation")
    Rectangle2D.Double d = new Rectangle2D.Double(0, 0, 120, 100)
    def stripper = new PDFTextStripperByArea()
    def pages = doc.getDocumentCatalog().allPages
    stripper.addRegion("myRegion", d)
    stripper.extractRegions(pages[0])
    assert stripper.getTextForRegion("myRegion").contains("This is a test.")
}

位置 (0, 0) 是文档的左上角。宽度和高度是向下和向右。我能够将范围缩小到 (35, 52, 120, 3) 并且仍然可以通过测试。

所有代码都是用 groovy 编写的。

【讨论】：