iTextを使って行の位置を取得する

Question

iTextを使ってドキュメント内に行がどこにあるのか、どのように見つけることができますか？

たとえば、PDFドキュメントにテーブルがあり、その内容を読みたいとします。私は正確に細胞がどこにあるのかを知りたい。それを行うために、私は線の交差点を見つけるかもしれないと思った。

Answer 1

iTextを使用する唯一のオプションは、PDFトークンを手動で解析することだと思います。それをする前に私はhave a copy of the PDF spec handyでしょう。

（私はiTextSharpを使用しますが、いくつかの大文字小文字の違いとプロパティ宣言以外に、彼らは同じほぼ100％ですので、私は、.NET男だ。）

あなたはPRTokeniserを使用して、個々のトークンを取得することができますあなたのPdfReaderのgetPageContent(pageNum)を呼び出すことからバイトを送るオブジェクト。 PRTokeniserて

//Get bytes for page 1 
byte[] pageBytes = reader.getPageContent(1); 
//Get the tokens for page 1 
PRTokeniser tokeniser = new PRTokeniser(pageBytes); 

それからちょうどループ：

PRTokeniser.TokType tokenType; 
string tokenValue; 

while (tokeniser.nextToken()) { 
    tokenType = tokeniser.tokenType; 
    tokenValue = tokeniser.stringValue; 
    //...check tokenValue, do something with it 
} 

限りtokenValue、あなたはおそらく四角形とラインのreとl値を探したいと思います。あなたがreを見るなら、あなたは以前 4値では、あなたが、その後l以前 2の値を見れば見てみたいです。これはまた、後で振り返ることができるように、各tokenValueを配列に格納する必要があることを意味します。

PDFの作成に使用した内容に応じて、興味深い結果が得られる場合があります。たとえば、Microsoft Wordで4つのセルテーブルを作成し、PDFとして保存しました。何らかの理由で10個の四角形が2つあり、重複していますが、一般的な考え方は変わりません。

以下は、iTextSharp 5.1.1.0をターゲットとするC＃コードです。あなたはそれをJavaとiTextに非常に簡単に変換できるはずです。一般的なリスト（List<string>）からJava同等のもの（おそらくArrayList）に調整する必要がある.Net固有のコードを持つ1行に留意し​​ました。いくつかのケーシングを調整する必要があります.Netはを使用するのに対し、.NetはObject.Method()を使用します。最後に.Netは取得と設定なしでプロパティにアクセスするため、Object.PropertyはJavaのObject.getPropertyとObject.setPropertyと比較してゲッターとセッターの両方です。

これはあなたが少なくとも始めることを望みます。

 //Source file to read from 
     string sourceFile = "c:\\Hello.pdf"; 

     //Bind a reader to our PDF 
     PdfReader reader = new PdfReader(sourceFile); 

     //Create our buffer for previous token values. For Java users, List<string> is a generic list, probably most similar to an ArrayList 
     List<string> buf = new List<string>(); 

     //Get the raw bytes for the page 
     byte[] pageBytes = reader.GetPageContent(1); 
     //Get the raw tokens from the bytes 
     PRTokeniser tokeniser = new PRTokeniser(pageBytes); 

     //Create some variables to set later 
     PRTokeniser.TokType tokenType; 
     string tokenValue; 

     //Loop through each token 
     while (tokeniser.NextToken()) { 
      //Get the types and value 
      tokenType = tokeniser.TokenType; 
      tokenValue = tokeniser.StringValue; 
      //If the type is a numeric type 
      if (tokenType == PRTokeniser.TokType.NUMBER) { 
       //Store it in our buffer for later user 
       buf.Add(tokenValue); 
      //Otherwise we only care about raw commands which are categorized as "OTHER" 
      } else if (tokenType == PRTokeniser.TokType.OTHER) { 
       //Look for a rectangle token 
       if (tokenValue == "re") { 
        //Sanity check, make sure we have enough items in the buffer 
        if (buf.Count < 4) throw new Exception("Not enough elements in buffer for a rectangle"); 
        //Read and convert the values 
        float x = float.Parse(buf[buf.Count - 4]); 
        float y = float.Parse(buf[buf.Count - 3]); 
        float w = float.Parse(buf[buf.Count - 2]); 
        float h = float.Parse(buf[buf.Count - 1]); 
        //..do something with them here 
       } 
      } 
     }