PDFからテキストのフォント名を取得する方法は？

Question

私はPDFファイルのテキストのすべての異なるフォント名を抽出するために探しています。私はiTextSharp DLLを使用しており、以下に私のコードです。

using System; 
using System.Collections.Generic; 
using System.Linq; 
using System.Text; 
using System.Threading.Tasks; 
using iTextSharp.text.pdf.parser; 
using iTextSharp.text.pdf; 

namespace GetFontName 
{ 
    class Program 
    { 
     static void Main(string[] args) 
     { 
      PdfReader reader = new PdfReader("C:/Users/agnihotri/Downloads/Test.pdf"); 
      HashSet<String> names = new HashSet<string>(); 
      PdfDictionary resources; 
      for (int p = 1; p <= reader.NumberOfPages; p++) 
      { 
       PdfDictionary dic = reader.GetPageN(p); 
       resources = dic.GetAsDict(PdfName.RESOURCES); 
       if (resources != null) 
       { 
        //gets fonts dictionary 
        PdfDictionary fonts = resources.GetAsDict(PdfName.FONT); 
        if (fonts != null) 
        { 

         PdfDictionary font; 

         foreach (PdfName key in fonts.Keys) 
         { 
         font = fonts.GetAsDict(key); 
         string name = font.GetAsName(iTextSharp.text.pdf.PdfName.BASEFONT).ToString(); 

          //check for prefix subsetted font 

         if (name.Length > 8 && name.ToCharArray()[7] == '+') 
         { 
         name = String.Format("%s subset (%s)", name.Substring(8), name.Substring(1, 7)); 

         } 
         else 
         { 
           //get type of fully embedded fonts 
         name = name.Substring(1); 
         PdfDictionary desc = font.GetAsDict(PdfName.FONTDESCRIPTOR); 
         if (desc == null) 
         name += "no font descriptor"; 
         else if (desc.Get(PdfName.FONTFILE) != null) 
         name += "(Type1) embedded"; 
         else if (desc.Get(PdfName.FONTFILE2) != null) 
         name += "(TrueType) embedded "; 
         else if (desc.Get(PdfName.FONTFILE3) != null) 
         name += name;//("+font.GetASName(PdfName.SUBTYPE).ToString().SubSTring(1)+")embedded'; 
         } 

         names.Add(name); 
         } 
        } 
       } 
      } 
      var collections = from name in names 
      select name; 
      foreach (string fname in collections) 
      { 
      Console.WriteLine(fname); 
      } 
      Console.Read(); 

     } 
    } 
} 

私は取得しています出力は「Glyphlessフォント」の入力など、すべてのPDFファイルのための無フォント記述子」で次のように入力ファイルへのリンクは次のとおりです。

https://drive.google.com/open?id=0B6tD8gqVZtLiM3NYMmVVVllNcWc

Answer 1

私が開きました。あなたはAdobe AcrobatでPDFおよびIフォントパネルを見ては、これは私が見たものである：

あなたが埋め込まれたサブを持っていますLiberationMonoのセット。フォントがサブセッタであるため、フォントの名前はABCDEF + LiberationMono（ABCDEFは一連の6つのランダムで一意の文字です）としてファイルに格納されます。 What are the extra characters in the font name of my PDF?

は、今度は、iTextのRUPSで開かれた同じファイルを見てみましょう参照してください：私たちは/Fontオブジェクトを見つけて、それが/FontDescriptorを持って

。 /FontDescriptorでは、BAAAAA+LiberationMonoの形式で/FontNameが見つかりました。

名前の場所を知ったので、コードを修正することができます。私は、出力

%s subset (%s) 

実際%sとして取得し、最小限の変更で、あなたのコードを実行する

Answer 2

は、Javaフォーマット文字列ではなく、ネットのフォーマット文字列のように見えます。例えば、私は私はあなたがファイルパスにバックスラッシュと@"..."文字列形式の代わりにスラッシュを使用して提案する

LiberationMono subset (BAAAAA+) 

を得るより多くの.Net'ishフォーマット文字列{0} subset ({1})を使用しますあなたが提供するすべてのファイルがHello_World.pdf命名された後、この

PdfReader reader = new PdfReader(@"C:\Users\agnihotri\Downloads\Test.pdf"); 

と、二重のような---ファイル名とパスを確認してください。