iText (.Net)를 사용하여 사각형에서 텍스트를 추출하면 전체 줄이 표시됩니다.

Question

다음은 pdf에서 텍스트를 추출하는 데 사용하는 코드입니다 (iText for.Net 버전 7.0.4.0 사용). 테스트 중 관찰 한 것은 PDF의 대부분의 사각형 내에서 내용을 추출하여 잘 작동한다는 것입니다. 그러나 그 중 일부는 전체 라인을 제공합니다. 나도 알아

rect와 교차하는 텍스트 조각 (텍스트의 일부가 rect이 아니므로 iText는 조각으로 텍스트 조각을 자르지 않음)을 알고 있습니다.

그러나 PDF의 어떤 매개 변수가 iText에서 텍스트를 분리하는 데 사용되는지 알고 싶습니다.

 var reader = new PdfReader(filePath); 
     PdfDocument pdfDoc = new PdfDocument(reader); 

     var addressRect = new Rectangle(33, 190, 70, 42); // 

     var addressRegionFilter = new TextRegionEventFilter(addressRect); 
     var filterListener = new FilteredTextEventListener(new LocationTextExtractionStrategy(), addressRegionFilter); 
     var addressText = PdfTextExtractor.GetTextFromPage(pdfDoc.GetPage(1), filterListener); 

     pdfDoc.Close(); 

Answer 1

트릭을 수행해야합니다.

class RectangleTextExtractionStrategy implements ITextExtractionStrategy 
{ 

    private ITextExtractionStrategy innerStrategy = null; 
    private Rectangle rectangle; 

    public RectangleTextExtractionStrategy(ITextExtractionStrategy strategy, Rectangle rectangle) 
    { 
     this.innerStrategy = strategy; 
     this.rectangle = rectangle; 
    } 

    @Override 
    public String getResultantText() { 
     return innerStrategy.getResultantText(); 
    } 

    @Override 
    public void eventOccurred(IEventData iEventData, EventType eventType) { 
     if(eventType != EventType.RENDER_TEXT) 
      return; 
     TextRenderInfo tri = (TextRenderInfo) iEventData; 
     for(TextRenderInfo subTri : tri.getCharacterRenderInfos()) 
     { 
      Rectangle r2 = new CharacterRenderInfo(subTri).getBoundingBox(); 
      if(intersects(r2)) 
       innerStrategy.eventOccurred(subTri, EventType.RENDER_TEXT); 
     } 
    } 

    private boolean intersects(Rectangle rectangle) 
    { 
     // # TODO 
     return true; 
    } 

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

여기에 들어있는 모든 TextRenderInfo 개체를 해당 문자의 해당 이벤트로 분할하는 것이 좋습니다. 그런 다음 (검색 영역에있는 경우) 호출을 다른 ITextExtractionStrategy에 위임합니다.