如何从生成的 pdf 表中复制文本？答案

【问题标题】：how to copy the texts from a generated pdf table?如何从生成的 pdf 表中复制文本？
【发布时间】：2016-08-05 08:05:29
【问题描述】：

我用的是itext7，创建表格的代码很简单：

    float[] tableWidth = {75, 75, 75};

    Table table1 = new Table(tableWidth);
    table1.addHeaderCell("head \n1");
    table1.addHeaderCell("head \n2");
    table1.addHeaderCell("head \n3");
    table1.addCell("column 1");
    table1.addCell("column 2");
    table1.addCell("column 3");

    Table table2 = new Table(tableWidth);
    table2.addHeaderCell("head 1");
    table2.addHeaderCell("head 2");
    table2.addHeaderCell("head 3");
    table2.addCell("column 1");
    table2.addCell("column 2");
    table2.addCell("column 3");

    document.add(table1);
    document.add(new Paragraph("\n"));
    document.add(table2);

我创建了两个表，唯一不同的是：table1 中的 head 是换行符“\n”：

到这里为止没有任何问题。但我的问题是，当我尝试从生成的 PDF 文件中选择并复制表格并粘贴到 MS-Word 时，我得到了不同的结果：table1 的头部按垂直顺序复制：

在我的实用代码中，我必须在表头中使用“\n”，这样表就无法正确复制粘贴，有什么线索吗？

【问题讨论】：

标签： itext7

【解决方案1】：

在我的实用代码中，我必须在表头中使用“\n”，这样表就无法正确复制粘贴，有什么线索吗？

您认为通常可以以尊重表格结构的方式从 PDF 复制和粘贴表格内容的假设是错误的。

在 PDF 中，绘制表格 1 的说明是：

在 38.5, 790.83 处画“头”
在 38.5, 772.85 处画“1”
在 113.5, 790.83 处画“头”
在 113.5, 772.85 处画“2”
在 188.5, 790.83 处画“头”
在 188.5, 772.85 处画“3”
从 35.75、806 到 261.25、806 画线
从 35.75, 765.04 到 261.25, 765.04 画线
从 36, 806 到 36, 765.04 画线
从 111, 806 到 111, 765.04 画线
从 186、806 到 186、765.04 画线
从 261、806 到 261、765.04 画线
在 38.5, 749.87 处绘制“第 1 列”
在 113.5, 749.87 处绘制“第 2 列”
在 188.5, 749.87 处绘制“第 3 列”
从 35.75, 765.04 到 261.25, 765.04 画线
从 35.75、742.05 到 261.25、742.05 画线
从 36, 765.04 到 36, 742.05 画线
从 111, 765.04 到 111, 742.05 画线
从 186, 765.04 到 186, 742.05 画线
从 261, 765.04 到 261, 742.05 画线

因此，没有立即指示有一张桌子。因此，一个简单的文本提取机制会继续并在绘制字符串时提取它们，每当 y 坐标发生变化时插入一个换行符，而不区分它是向上还是向下。结果就是你所观察到的。

PDF 有选项，但是，用 HTML'ish 指示器标记绘图指令。使用 iText 7，您可以在 PdfDocument 实例中激活标记机制：

PdfDocument pdfDocument = new PdfDocument(pdfWriter);
pdfDocument.setTagged();
Document document = new Document(pdfDocument);
...

（摘自TablesToCopyAndPasteFrom.java）

现在你的 table1 被复制并粘贴到 Word 中

 head1      head2       head3
column 1    column 2    column 3

作为一个实际的 Word 表格。

不幸的是，仍然存在一些小故障，例如“头”和数字之间的空格消失了。我不确定是谁的错，iText、Adobe Reader 还是 Word。

PS：“头部”和数字之间的空格消失的故障似乎已在 iText 开发版本 7.0.2-SNAPSHOT 中修复 - 1月27日ins。

【讨论】：