使用iText从pdf文件获取文本字体

Question

我一直在尝试使用iText库来提取PDF文档中每个单词的属性（字体，字体大小，颜色等）。我可以从每个页面中提取文本，但不能提取属性。此外，我没有找到任何可以提供相同的东西。请帮帮我。

Answer 1

我不是Java人，所以我不能给你工作代码，但希望我可以让你95％的方式。

首先，您需要创建一个实现接口的类com.itextpdf.text.pdf.parser.TextExtractionStrategy

然后你就可以通过这个类的一个实例作为第三个参数：

PdfTextExtractor.getTextFromPage(PdfReader reader, int pageNumber, TextExtractionStrategy strategy)

方法之一该接口的名称是renderText，它会针对每个要处理的文本块进行调用。当它被称为TextRenderInfo得到通过其中有一种方法称为getFont应该给你你在找什么。将该内容存储在某种缓冲区中，调用getTextFromPage后，您可以检查该缓冲区以查看每种字体。如果您想查看实现该接口查找的示例，请在线获取SimpleTextExtractionStrategy的代码。否则here's a C# version几乎没有你在找什么。