PDFBOXは、BegIntextセクション（BT ET）座標を取得します

StackOverflow https://stackoverflow.com/questions/6802586

質問

誰かがPDF BEGINTEXTセクションの実際のピクセル座標を取得するのを手伝ってくれませんか？ PDFBoxを使用してPDFファイルからテキストを取得していますが、今ではそのテキストセクション/段落をソウンドする長方を取得する必要があります。

$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 { 、pdfoperator {q}、

  • pdfoperator {bt}、cosint {1}、cosint {0}、cosint {0}、cosint {1}、cosfloat {588.48}、pdfoperator {tm}、cosint {99}、pdfoperator { cosname {f30}、cosint {56}、pdfoperator {tf}、cosint {3}、pdfoperator {tr}、cosfloat {0.334}、pdfoperator {tc}、cosstring {posmanj}、pdfoperator {tj}、pdfoperator {tj}、pdfoperator {tj}、 pdfoperator {tc}、cosstring {e}、pdfoperator {tj}、cosfloat {9.533}、pdfoperator {tw}、cosstring {i}、pdfoperator {tj}、cosfloat {6.062}、pdfoperator、pdfoperator pdfoperator {tc}、cosstring {ciscenj}、pdfoperator {tj}、cosint {0}、pdfoperator {tc}、cosstring {e}、pdfoperator {tj}、cosint {1}、cosint {0}、{0} cosint {1}、cosfloat {55.68}、cosfloat {539.76}、pdfoperator {tm}、cosint {0}、pdfoperator {tw}、cosfloat {0.262}、pdfoperator {tc}、{ueae}、pdfoperator cosint {0}、pdfoperator {tc}、cosstring {i}、pdfoperator {tj}、cosfloat {5.443}、pdfoperator {tw}、cosfloat {-2.145}、pdfoperator {tc}、cosstring {tc}、cosstring {tc}、pdfoperator 、cosint {0}、pdfoperator {tc}、cosstring {g}、pdfoperator {tj}、cosfloa T {7.202}、pdfoperator {tw}、cosfloat {-0.148}、pdfoperator {tc}、cosstring {odmor}、pdfoperator {tj}、cosint {0}、pdfoperator {tc}、pdfopertin 、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}、cosint {14}、pdfoperator {tf}、cosstring {}、pdfoperator {tj}、cosfloat {2.751}、pdfoperator {tw}、...

PrintTextLocations関数のような出力をすべての単語/文字に出力したいと思います。底部と左座標を取得できますが、幅と上部座標を取得するにはどうすればよいですか？

printTextLocations：

  • String [25.92,45.119995 FS = 56.0 XSCALE = 55.440002高さ= 40.208004スペース= 15.412322幅= 36.978485] P String [63.22914,45.119995 FS = 56.0 XSCALE = 55.440002 Height = 40.20.20.20.20.20.2088004 = 56.0 XScale = 55.440002高さ= 40.208004スペース= 15.412322幅= 30.824646] S String [128.58894,45.119995 FS = 56.0 XSCALE = 55.4440002 height = 42.168 feate = 15.412322 width = 3.877445.45.45.45.45.45.45.45.45.45.45.45.45.45.45.45.45.45.45.45.45.45.45.45.45.4. =42.168 space=15.412322 width=21.566162]r string[184.69026,45.119995 fs=56.0 xscale=55.440002 height=42.168 space=15.412322 width=30.824646]e string[215.84557,45.119995 fs=56.0 xscale=55.440002 height=42.168 space=15.412322 width = 49.286148] M ...
役に立ちましたか？

解決

... BTセクションが左下の座標を提供するため、他のすべての座標を取得するには、現在のBTブロックに含まれるすべての単語/文字をトラフする必要があります。最初の単語の高さ + btボトム=トップ、最大（左座標 +幅）=右、最後の単語下=下部座標。

これが誰かを助けることを願っています...

単一の文字の例の文字列：

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

抽出、解析、準備されたライン：

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

関数：

/**
 * 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

ライセンス： CC-BY-SA と 帰属
所属していません StackOverflow
scroll top