【发布时间】：2018-02-12 08:53:14
【问题描述】：
我想使用 iText API 阅读和获取现有 PDF 文档的元素。 示例：一个文档包含一个 PDF 表格，我想在阅读文档时获取该表格。
【问题讨论】：
-
请提供您在遇到问题时所做的工作。
-
是的，有可能
【发布时间】：2018-02-12 08:53:14
【问题描述】：
直接轻松，不。
你是否愿意投入工作，这取决于。
如果你愿意付出很多努力，是的。
请允许我详细说明。 PDF 规范有两种风格。标记和未标记的 PDF。当一个 PDF 被标记时，这意味着所有的结构信息都被保留了。每个字符属于一行，每一行属于一个段落，表格、列表（和其他结构元素）知道其中包含哪些行和段落。
如果您有一个未标记的 PDF，它仅包含呈现文档所需的说明。你可以把它想象成
转到位置 50、50
将字体设置为 Arial Unicode
将字体大小设置为 12
画出字符'H'
解决方案取决于工作量。 如果您的 PDF 被标记，您可以使用 iText 提取标记信息，这允许您重建 PdfTable 的结构概念。 （您也可以使用 IEventListener 来查找使用的字体、字体大小等）
如果您的 PDF 未标记，您可以尝试在渲染说明中查找结构。
这是一个难题。甚至是研究课题。 当前研究中似乎存在两种主要方法：
- 基于规则（如果字符的距离小于给定的 epsilon，并且它们的 y 位置在给定的边距内大致相同，则将字符视为同一行的一部分，等等）
- 神经网络（“渲染 PDF”并将图像作为图像分类网络的输入）
【讨论】：