Domanda

Per favore qualcuno può aiutare a ottenere le coordinate reali di pixel per PDF begintext sezioni? Sto usando PDFBox per recuperare i testi da file PDF, ma ora ho bisogno di ottenere Rects sorounding che le sezioni di testo / paragrafi.

$contents = $page->getContents();
$contentsStream = $page->getContents()->getStream();
$resources=$page->getResources();
$fonts = $resources->getFonts();
$xobjects = $resources->getImages();
$tokens=$contentsStream->getStreamTokens();
  • [PDFOperator {q}, COSFloat {690,48}, COSINT {0}, COSINT {0}, COSFloat {633,6}, COSINT {0}, COSINT {0}, PDFOperator {cm}, COSName {IM1 }, {PDFOperator Do}, {Q} PDFOperator,

  • PDFOperator {BT}, COSINT {1}, COSINT {0}, COSINT {0}, COSINT {1}, COSFloat {25,92}, COSFloat {588,48}, PDFOperator {Tm}, COSINT {99}, PDFOperator {Tz}, COSName {F30}, COSINT {56}, PDFOperator {Tf}, COSINT {3}, PDFOperator {Tr}, COSFloat {0,334}, PDFOperator {Tc}, COSString {Pospremanj}, PDFOperator {Tj}, COSINT {0}, PDFOperator {Tc}, COSString {e}, PDFOperator {Tj}, COSFloat {9,533}, PDFOperator {Tw}, COSString {i}, PDFOperator {Tj}, COSFloat {6.062}, PDFOperator {Tw}, COSFloat {0,95}, PDFOperator {Tc}, COSString {ciscenj}, PDFOperator {Tj}, COSINT {0}, PDFOperator {Tc}, COSString {e}, PDFOperator {Tj}, COSINT {1}, COSINT {0}, COSINT {0}, COSINT {1}, COSFloat {55,68}, COSFloat {539,76}, PDFOperator {Tm}, COSINT {0}, PDFOperator {Tw}, COSFloat {0,262}, PDFOperator {Tc}, COSString {} UOE, PDFOperator {Tj}, COSINT {0}, {PDFOperator Tc}, COSString {i}, {PDFOperator Tj}, {COSFloat 5.443}, {PDFOperator Tw}, {COSFloat -2,145}, {PDFOperator Tc}, COSString {zimslco}, {PDFOperator Tj}, COSINT {0}, {PDFOperator Tc}, {COSString g}, PDFOperat o {Tj}, {COSFloat 7.202}, {PDFOperator Tw}, {COSFloat -0,148}, {PDFOperator Tc}, {COSString odmor}, {PDFOperator Tj}, COSINT {0}, {PDFOperator Tc}, {a} COSString , PDFOperator {Tj}, {PDFOperator ET},

  • PDFOperator {BT}, COSINT {1}, COSINT {0}, COSINT {0}, COSINT {1}, COSFloat {6,72}, COSFloat {513,12}, PDFOperator {Tm}, COSINT {0} , PDFOperator {} Tw, COSName {F30}, {14} COSINT, PDFOperator {} Tf, COSString {}, {PDFOperator Tj}, {COSFloat 2.751}, {PDFOperator Tw}, ...

mi piacerebbe ottenere l'output qualcosa di simile funzione PrintTextLocations fa per ogni parola / carattere. Posso ottenere in basso a sinistra e coordinare, ma come ottenere la larghezza e la parte superiore coordinata?

PrintTextLocations:

  • stringa [25.92,45.119995 fs = 56,0 xscale = 55,440,002 mila altezza = 40,208,004 mila spazio = 15,412,322 mila width = 36,978,485 mila] p stringa [63.22914,45.119995 fs = 56,0 xscale = 55,440,002 mila altezza = 40,208,004 mila spazio = 15,412,322 mila width = 33,87,384 mila] o stringa [97.43364,45.119995 fs = 56,0 xscale = 55,440,002 mila altezza = 40,208,004 mila spazio = 15,412,322 mila width = 30,824,646 mila] s stringa [128.58894,45.119995 fs = 56,0 xscale = 55,440,002 mila altezza = 42,168 spazio = 15,412,322 mila width = 33,87,384 mila] p stringa [162.79344,45.119995 fs = 56,0 xscale = 55,440,002 mila altezza = 42,168 spazio = 15,412,322 mila width = 21,566,162 mila] r stringa [184.69026,45.119995 fs = 56,0 xscale = 55,440,002 mila altezza = 42,168 spazio = 15,412,322 mila width = 30,824,646 mila] e stringa [215.84557,45.119995 fs = 56,0 xscale = 55,440,002 mila altezza = 42,168 spazio = 15,412,322 mila width = 49,286,148 mila] m ...
È stato utile?

Soluzione

... come sezione BT fornisce le coordinate in basso a sinistra, è necessario analizzare attraverso tutte le parole / le lettere contenute in blocco BT corrente per ottenere tutte le altre coordinate. Prima altezza parola + BT bottom = top, max (a sinistra coordinare + larghezza) = destra, ultima parola in basso = coordinata in basso.

Spero che questo aiuta qualcuno ...

stringa Esempio per una singola lettera:

string[32.94,35.099976 fs=8.0 xscale=1.0 height=4.4240003 space=2.2240002 width=3.959999]p

Estratte, analizzato e la linea preparato:

32.94,35.099976 fs=8.0 xscale=1.0 height=4.4240003 space=2.2240002 width=3.959999

funzione:

/**
 * Parse single word / letter element
 *
 * @param string $str_raw  Extracted word string line.
 * @param string $str_elem Element of interest, word, char.
 * @param int    $pdf_w    Pdf page width.
 * @param int    $pdf_h    Pdf page height.
 * @param int    $pdf_d    Pdf page dpi.
 * @param int    $pdf_r    Pdf page relative dpi.
 *
 * @return array
 */
function createRealCoordinates($str_raw, $str_elem, $pdf_w, $pdf_h, $pdf_d = 400, $pdf_r = 72)
{
    $stringstrip = array('fs=', 'xscale=', 'height=', 'space=', 'width=');
    $string_info = str_replace($stringstrip, '', $str_raw);

    $coord_info = explode(' ', $string_info);
    $coord_xy   = explode(',', $coord_info[0]);

    $coord = array(
        'pdfWidth'  => $pdf_w,
        'pdfHeight' => $pdf_h,
        'pdfDpi'    => $pdf_d,
        'pdfRel'    => $pdf_r,
        'word'      => $str_elem,

        'x1' => null,
        'y1' => null,
        'x2' => null,
        'y2' => null,

        'fontSize'     => null,
        'xScale'       => null,
        'HeightDir'    => null,
        'WidthDir'     => null,
        'WidthOfSpace' => null,
    );

    // Left, Bottom coordinate.
    $coord['x1'] = ($coord_xy[0] / $pdf_r) * $pdf_d;
    $coord['y2'] = ($coord_xy[1] / $pdf_r) * $pdf_d;

    $coord['fontSize']     = $coord_info[1]; // font size.
    $coord['xScale']       = $coord_info[2]; // x size scale.
    $coord['HeightDir']    = $coord_info[3]; // height.
    $coord['WidthDir']     = $coord_info[5]; // word width.
    $coord['WidthOfSpace'] = ($coord_info[4] / $pdf_r) * $pdf_d; // width of space.

    // Right, Top coordinate.
    $coord['x2'] = $coord['x1'] + (($coord['WidthDir'] / $pdf_r) * $pdf_d);
    $coord['y1'] = $coord['y2'] - (($coord['HeightDir'] / $pdf_r) * $pdf_d);

    return $coord;
}

-matija Kancijan

Autorizzato sotto: CC-BY-SA insieme a attribuzione
Non affiliato a StackOverflow
scroll top