PDFの注釈を抽出する

Question

C＃を使用してPDFの注釈のみを抽出して読み込む必要があります。

私はPDFBoxとitextsharpの両方を使用することで問題なくファイルを抽出できますが、注釈テキストまたは下線付きまたは色付き（強調表示された行）を読む必要があります。

Answer 1

ページの実際のコンテンツ（ページのコンテンツストリームのPDF構文を使用して記述されたコンテンツ）とページに追加された注釈ページ辞書の/Annotsエントリ内のアノテーション辞書に記載されているコンテンツ）。

これまでのところ、アノテーション辞書のコンテンツを抽出していますが、アノテーションの/Rectエントリを使用して、その場所が特定されたコンテンツストリームからコンテンツを抽出することも必要です。それを行うには、ページのコンテンツストリームを解析する必要があります。

official iText web siteに行くとよくある質問を読んで、より具体的にしてください：How to read text from a specific position?

はreaderがあなたのPdfReaderインスタンスであるとし、rectはあなたが抽出したいテキストの場所、およびpage対応するページを定義Rectangleです数は、その後、あなたはRenderFilterを作成し、このようLocationTextExtractionStrategyを使用することができます：PDFBoxのための答えは同じ再PDFファイルの内部で

RenderFilter[] filter = {new RegionTextRenderFilter(rect)}; 
ITextExtractionStrategy strategy = 
    new FilteredTextRenderListener(
     new LocationTextExtractionStrategy(), filter); 
String text = PdfTextExtractor.GetTextFromPage(reader, page, strategy));