从 PDF 中提取文本并将其保存到数据库 - 保留间距答案

【问题标题】：Extract text from a PDF and save it to a database - preserving spacing从 PDF 中提取文本并将其保存到数据库 - 保留间距
【发布时间】：2011-04-07 08:05:00
【问题描述】：

我有一个 PDF 文档，其中仅包含需要保存到 MSSQL 中的 varchar 列中的文本。第一个问题是 PDF 中文本的间距也需要保留，这不能简单地通过从 PDF 复制粘贴到 SSMS 中来完成。

好的，所以我需要一个应用程序来将 PDF 作为文本读取，同时保留间距。但是现在第二个问题出现了：PDF 以 Helvetica 字体呈现，但保存到 DB 中的文本将在 Crystal Report (Crystal 8...bleh) 上以 Arial 显示，当显示时，它需要看起来像PDF（即相同的对齐方式）尽可能。

我提出的解决方案是将 PDF 转换为矢量图像，将生成的字节流保存到数据库中，然后通过 Crystal 将字节拉入。不幸的是，由于时间限制，现在无法实施，所以我需要一个快速而肮脏的解决方案。

基本上，一旦我从 PDF 中获得 Helvetica 版本，我就必须调整间距以使其在 Arial 中看起来正确。我需要一个可以为我做这件事的工具，因为我没有时间写一个 - 有什么建议吗？

【问题讨论】：

我不得不问：当您必须将 Crystal 格式更改为 Helvetica 时，您为什么要花这么多时间？最终用户是否坚持使用某种字体？
啊。您的问题在于最终用户。您需要更好的最终用户。问题解决了：P
很遗憾，我没有选择用户、环境，也没有选择 Crystal 中的报告。

标签： pdf text crystal-reports formatting fonts

【解决方案1】：

恐怕这是一个用户教育问题：Arial 字体输出与 Helvetica 字体输出的间距不同。这需要向用户解释。

对拉特盖特的引用 - http://en.wikipedia.org/wiki/Rathergate - 可能有助于说服他们；本质上，丹·拉瑟的职业生涯已经结束，因为他不了解不同字体中字符间距的意义。（/过度简化）

另一种方法可能是使用字体编辑器，保存具有 Helvetica 间距属性的 Arial 字体版本，然后在您的报告中使用这种新字体 - 这确实是一个杂牌，它看起来很糟糕并且很可能违反字体的版权（可能是微软所有）。我真的不推荐它。

【讨论】：

【解决方案2】：

您的 Crystal 版本可以处理动态图像位置吗？如果是这样，您可以保存 PDF 的图像（我确信某处有一个实用程序），然后在您的 Crystal Report 中创建一个图像对象，并将图像位置设置为您想要的任何 PDF。

【讨论】：