使用 PDF Clown 仅从 pdf 文档中的亮点中获取位置

Question

我使用 PDF Clown 库中的“Annotation.getBox”方法来获取文本中高亮的位置。通过这种方式，还可以检索螺栓或斜体文本的位置。如何避免这种情况？我只想从真实的高光中获取 Retancle2D。

Answer 1

不幸的是，OP 未能分享示例 PDF。他也仅仅提供了一个很小的代码片段。因此，以下只能推测...

OP 在评论中提供的代码片段如下所示：

PageAnnotations annotations = page.getAnnotations();
for (Annotation annotation : annotations)
{
    highlightArea = annotation.getBox();
}

因此，他将变量highlightArea 设置为给定页面注释的最后一个元素的Box 值。

highlightArea 可能包含除突出显示文本之外的其他内容（在 OP 的情况下，有时是一些粗体或斜体文本）的可能原因：

• 最后的注释可能完全不是高亮注释，而是其他类型的注释。
• 假设最终注解为高亮注解，并非其框的所有内容都显示为高亮，而仅显示QuadPoints注解字典条目中的四边形或由外观流定义的一些自定义区域注释。

对于后一种情况，请参阅 PDF 规范中的第 12.5.6.10 节“文本标记注释”：

QuadPoints 数组 （必需） 一个 8 × n 个数字的数组，指定 n 个四边形的坐标默认用户空间。每个四边形应包含注释下的文本中的一个单词或一组连续单词。每个四边形的坐标应按顺序给出

x₁y₁x₂y₂x₃y₃x₄y₄

按逆时针顺序指定四边形的四个顶点 （参见图 64）。文本应相对于边缘定向 连接点 (x₁, y₁) 和 (x ₂, y₂).

注释字典的 AP 条目（如果存在）应优先 超过 QuadPoints；请参见表 168 和 12.5.5，“外观流”。

但请注意，Adobe Reader 不会按照指定的顺序对顶点进行排序，而且它不会按照指定的顺序正确显示带有坐标的高光。授予 stackoverflow Q&A "PDF Spec vs Acrobat creation (QuadPoints)" 这是旧的但仍然适用于当前的 Adob​​e Acrobat 版本。

---

如果您的annotation 是TextMarkup 的一个实例，您可以使用TextMarkup 方法getMarkupBoxes 轻松检索四边形。

此外，您可以使用Annotation 方法getAppearance 检索外观流。不过，确定外观流突出显示的区域可能并非易事。