使用 java Itext 获取字体颜色答案

【问题标题】：Get font color with java Itext使用 java Itext 获取字体颜色
【发布时间】：2012-12-21 13:42:55
【问题描述】：

我正在使用 Itext，我需要提取 PDF 中特定标题的字体颜色，您知道如何执行此操作吗？

【问题讨论】：

@PradeepSimha 像这样的简明问题并不需要提问者尝试过的东西，通常情况下。换句话说，在没有真正获得答案的情况下，OP 可以尝试的东西并不多。
答案取决于标题是如何添加到 PDF 中的。 iText 并不是真正为此类任务创建的。
@PradeepSimha 我尝试探索 TextRenderInfo 并成功提取了字体族并计算了大小，但是在文档中找不到颜色:(
@KlasLindbäck 你有这方面的文献吗？我只发现 cmets 说这很难，但我还没有找到原因，
@Guevara 我在 iText 邮件列表中看到了解释（可在 nabble.com 上找到）。从 pdf 中提取信息的主要问题是有很多方法可以构建相同的输出。 pdf 可能是许多图像，或者标题可以（理论上）由每个字母一个文本段组成。文本提取工具是相当新的，它是为了提取文本而创建的（因为这是作者需要的）。

【解决方案1】：

在使用 iTextSharp（iText 的 .NET 端口）过去 6 个月后，我将尝试解释如何实现您想要的。虽然这不是一个准确的答案，但它很可能会引导您到一个可以做额外功课来实现它的地方。

PDF 格式保持内存中的“图形状态”，大致是一组指定当前颜色、笔粗细、线条样式等的值。所有渲染操作（包括文本渲染）都使用此图形状态来确定输出什么该操作将产生。例如，您可以将当前颜色设置为蓝色，然后画几条线，所有这些线将是蓝色的。因此，您不必为每个线条绘制操作指定线条颜色。

对于着色，我们在图形状态中有两个变量：当前描边颜色和当前非描边颜色。描边颜色用于一维绘图，例如线条、边框等（如果您使用过 GDI+，这大致是 System.Drawing.Pen），而非描边颜色用于 2D 操作，例如填充（在GDI+，一个 System.Drawing.Brush）。我相信文本着色是使用非描边颜色完成的，因为字形是 2D 对象。

好的，既然您已经了解了理论部分，那就是您需要做的。在 iText 源代码中找到 PdfContentStreamProcessor 类。在这里，您会找到PopulateOperators()，它列出了 iText 当前可以解析的所有运算符。与着色相关的操作符有很多，这里不能一一概括（详见PDF规范），但总之CS和cs操作符设置当前的色彩空间（支持的太多了，包括RGB、灰度、CMYK、L*a*b 等）以及设置当前描边和非描边颜色的SC 和sc 运算符。同样，有很多关于设置颜色空间的细节，然后根据您应该查看 PDF 规范文档的当前颜色空间解释描边和非描边颜色的值。此外，还有一些推送和弹出图形状态操作会使事情变得更加复杂。

简而言之，您需要添加对运算符的支持，包括CS、cs、G、g、RG、rg、K、k、@987654336 @、sc、SCN 和 scn。目前 iTextSharp 目前不支持它们中的大多数，因此您必须为它们中的每一个编写自己的类（实现 IContentOperator 接口）。

您可以从here 获得很多实施帮助。虽然这个人没有详细实现它（我可以说这将是很多工作，尤其是处理 PDF 支持的所有颜色空间），这应该给你一个很好的起点。

希望这会有所帮助。

【讨论】：

【解决方案2】：

PDF Clown（原生 Java 和 .NET）支持文本样式信息提取（包括文本颜色和文本渲染模式）几乎所有开箱即用的图形运算符（参见其代码库中的 TextInfoExtractionSample）。

这个开源/免费软件库具有多功能内容引擎（参见 ContentScanner 类），能够执行不同的任务，例如内容解析、内容提取、内容编辑、内容渲染和打印（目前已部分开发）。

它的对象模型是丰富而有凝聚力的（只有 2 个基类管理所有逻辑：PdfObject 位于原始低级的根级别 PDF 类型（例如字典、数组、数字...）；PdfObjectWrapper 位于专门的高级 PDF 实体（例如页面、注释、书签...）的根目录，镜像没有古怪的官方 PDF 规范。

我是它的开发者，所以我可能会有偏见，但如果你想尝试一下，我建议你从 sourceforge.net 上的 SVN 存储库中查看，因为 0.1.2 版本（目前正在开发中）介绍与上一个版本相比有很多增强。

【讨论】：