如何从 pdfs 转换矩阵中获取文本高度？

Question

我正在制作一个 pdf 解析器，但在尝试读取文本的转换矩阵 (Tm) 时遇到问题。

例如，当我有一个水平文本时，转换矩阵如下所示：
“71.9871 0 0 73.5 178.668 522.2227 Tm” 这意味着文本的高度是d参数（73.5），每个字符的比率是a/d（71.9871/73.5）并且必须翻译到点（178.668 522.2227）。

如果我旋转此文本，则转换矩阵如下所示：
"63.1614 -34.5367 35.2625 64.4888 181.8616 575.8494 Tm"

如何获得文字的高度，即 73.5？

如果我将相同的文件导出为 svg 文件，我会得到这个矩阵： “0.8593 0.4699 -0.4798 0.8774 181.8616 266.0405” 并且文本的高度是73.5。 （我注意到，如果我将旋转文本的 d 参数除以文本的高度（73.5），我得到 svg 矩阵的 d 参数（0.8774），但是，我怎么知道文本的高度？）。

谢谢。

Answer 1

正如评论中已经提到的，您实际上需要处理大量矩阵和标量，至少是当前转换矩阵、文本矩阵、字体大小、水平缩放和页面用户单位设置。当然，您可以将所有这些组合成一个矩阵。

因此，假设您拥有的矩阵就是这个组合的矩阵。

要确定字体从其大小 1 默认状态拉伸的因素，您可以简单地将该矩阵应用于长度为 1 的垂直和水平线段，例如[0, 0, 1] 到 [1, 0, 1] 和 [0, 0, 1] 到 [0, !, 1]，然后计算得到的线段的长度。

PS做一些小的线性代数，你会看到一个矩阵

a b 0
c d 0
e f 1

这相当于sqrt(a² + b²)的水平字体范围和sqrt(c² + d²)的垂直字体范围（高度）。