如何使用 itextsharp 从 PDF 文件中提取水平线？

Question

我正在使用 iTextSharp 从 PDF 文件中读取文本。为此，我正在使用 LocationTextExtractionStrategy 类。我有一个特定的文档，它的水平线横跨页面的整个宽度并位于页脚附近。此行用作正文文本和页脚内容之间的可视分区。

如何让 iTextSharp 读取这一行？

谢谢， 秀

Answer 1

底层思路是实现IEventListener，然后监听PathRenderInfo事​​件。每当解析器遇到绘图指令时，它们基本上都会被调用。

您可以从 PathRenderInfo 轻松提取正在绘制的线条。然后您可以简单地查找 y 值最低的行（因为原点通常位于页面的左下方）。

我有这段代码在 Java 中，但对于 .net 来说应该非常相似。

public class FooterLine implements IEventListener {

    private PdfPage pdfPage = null;
    private double footerLineY = Double.MAX_VALUE;

    public FooterLine(PdfPage pdfPage)
    {
        this.pdfPage = pdfPage;
        process();
    }

    public double getFooterLineY()
    {
        return footerLineY;
    }

    private void process() {
        PdfCanvasProcessor processor = new PdfCanvasProcessor(this);
        processor.processPageContent(pdfPage);        
    }

    @Override
    public void eventOccurred(IEventData iEventData, EventType eventType) {
        if(eventType == EventType.RENDER_PATH)
            processPath((PathRenderInfo) iEventData);
    }

    private void processPath(PathRenderInfo pri)
    {
        for(Subpath subpath : pri.getPath().getSubpaths())
        {
            Point p0 = subpath.getStartPoint();
            Point p1 = subpath.getLastPoint();

            // only horizontal lines are allowed
            if(p0.getY() != p1.getY())
                continue;

            footerLineY = java.lang.Math.min(footerLineY, p0.getY());
        }
    }

    @Override
    public Set<EventType> getSupportedEvents() {
        return null;
    }
}