如何在 iTextSharp 中识别 PDF 的一部分？

Question

我想知道是否可以通过其部分（页眉、正文、页脚等）检索 PDF 中的文本我能够获取文本及其特定坐标，但我不想定义我自己的 x和截面的 y 坐标。我想知道是否有更动态的方法来解决这个问题。 也许循环通过外部参照对象。任何帮助将不胜感激。提前致谢。

Answer 1

除非您的 PDF 文件是由非常一致的来源创建的，并且您不必处理“一般的 PDF 文件”，否则您的问题的答案是：

• 不，你不能轻易做到这一点
• 但您可以提出一种动态方法（也许）。

PDF 没有任何规定来构造其内容，例如 XML、HTML、Word 等... 不存在页眉、正文、页脚的概念。甚至段落、行或单词的概念都不存在。 PDF 只对确保特定字符（字形）显示在特定位置感兴趣。

因此，如果您想提出一种动态方法，则必须编写一种算法来分析页面上所有文本的文本位置，并将其与该文本的其他属性（例如使用的字体、字体大小、颜色、样式...），并根据该分析推测页眉、正文和页脚是什么。