使用 ICEpdf 提取 PDF 页面特定区域中的文本答案

【问题标题】：Extracting text in a specific region of PDF page using ICEpdf使用 ICEpdf 提取 PDF 页面特定区域中的文本
【发布时间】：2011-08-16 19:59:10
【问题描述】：

有没有什么方法可以使用 ICEpdf 提取特定区域的文本？我能够提取整个页面，但这不是我想要做的。

（我知道 PDFBox 可以很好地提取页面特定矩形区域中的文本。但是，由于图像渲染在 ICEpdf 中效果更好，我想使用该库。）

【问题讨论】：

标签： java pdf extraction text-extraction icepdf

【解决方案1】：

在代表页面的Page对象上可以调用方法：

PageText pageText = document.getPageText(pagNumber);

类似于捆绑示例 ./examples/extraction/PageTextExtraction.java

PageText 对象包含页面的所有 LineText->WordText->GlyphText 对象。 LineText、WordText 和 GlyphText 都扩展了具有 getBounds() 方法的 AbstractText。这些对象的边界位于 PDF 用户空间中，即第一几何象限。 Java2D 位于第四几何象限。假设您已经有了 selectionRectangle，代码如下：

// 当前选中状态，忽略高亮。 currentPage.getViewText().clearSelected(); // 获取页面变换，所有计算都一样仿射变换 pageTransform = currentPage.getPageTransform( Page.BOUNDARY_CROPBOX, documentViewModel.getViewRotation(), documentViewModel.getViewZoom()); Rectangle2D.Float pageSpaceSelectRectangle = convertRectangleToPageSpace(selectionRectangle, pageTransform); ArrayList pageLines = pageText.getPageLines(); for (LineText pageLine : pageLines) { // 检查是否包含，如果是的话就分成单词。 if (pageLine.getBounds().intersects(pageSpaceSelectRectangle)) { // 你有一些选定的文本。 } } /** * 将矩形转换为页面变换指定的空间。这 * 是将选择矩形转换为页面空间的实用方法 * 以便可以计算交叉点以确定选定状态。 * * @param mouseRect 矩形转换空间 * @param pageTransform 页面转换 * @return 转换后的矩形。 */ 私有 Rectangle2D convertRectangleToPageSpace(矩形 mouseRect, 仿射变换页面变换）{ GeneralPath 形状路径；尝试 { AffineTransform 变换 = pageTransform.createInverse(); shapePath = new GeneralPath(mouseRect); shapePath.transform（变换）；返回 shapePath.getBounds2D(); } 捕捉（NoninvertibleTransformException e）{ logger.log(Level.SEVERE, "将鼠标点转换为页面空间时出错。", e); } 返回空值； }

【讨论】：

非常感谢您的意见，我会解决并在这里发布，您的解决方案已经很酷了（不过，我会提高精度）

【解决方案2】：

您在icepdf 论坛上发过帖子吗？他们通常很擅长在那里回答问题？

【讨论】：