Wie extrahiere ich mit iTextSharp Text mit Formatierung aus PDFs?
Jan 11, 2025 am 10:46 AMFormatierten Text mit iTextSharp extrahieren
Einleitung:
iTextSharp ist eine leistungsstarke Bibliothek zum Bearbeiten und Generieren von PDF-Dokumenten, aber es ist manchmal schwierig, Text im gewünschten Format zu extrahieren. Dieser Artikel bietet eine Methode zum Extrahieren von Text und Formatierungsinformationen aus PDF mithilfe von iTextSharp.
Benutzerdefinierte Extraktionsstrategie:
Um formatierten Text zu extrahieren, k?nnen Sie eine benutzerdefinierte ITextExtractionStrategy-Implementierung erstellen. Diese Richtlinie definiert, wie mit Informationen zur Textwiedergabe umgegangen wird.
Codeausschnitt:
Der folgende Code definiert eine benutzerdefinierte Strategie, die ?nderungen an Grundlinie, Schriftartname und Schriftgr??e verfolgt und HTML mit entsprechendem Stil generiert:
<code>public class TextWithFontExtractionStategy : iTextSharp.text.pdf.parser.ITextExtractionStrategy { // ... (此處省略) public void RenderText(iTextSharp.text.pdf.parser.TextRenderInfo renderInfo) { // 確定字體屬性 string curFont = renderInfo.GetFont().PostscriptFontName; if (renderInfo.GetTextRenderMode() == (int)TextRenderMode.FillThenStrokeText) { curFont += "-Bold"; } // 檢查基線、字體或字體大小的變化 Vector curBaseline = renderInfo.GetBaseline().GetStartPoint(); Single curFontSize = renderInfo.GetAscentLine().GetEndPoint()[Vector.I2] - curBaseline[Vector.I2]; if ((this.lastBaseLine == null) || (curBaseline[Vector.I2] != lastBaseLine[Vector.I2]) || (curFontSize != lastFontSize) || (curFont != lastFont)) { // 生成帶有更新樣式的HTML span result.AppendFormat("</code>
Verwendung:
Um eine benutzerdefinierte Strategie zu verwenden, k?nnen Sie diese beim Extrahieren von Text angeben:
<code>PdfReader reader = new PdfReader("MyDocument.pdf"); TextWithFontExtractionStategy strategy = new TextWithFontExtractionStategy(); string textWithFormatting = PdfTextExtractor.GetTextFromPage(reader, 1, strategy);</code>
Ausgabe:
Die VariabletextWithFormatting enth?lt den extrahierten Text mit HTML-Tags, die die Formatierungsinformationen widerspiegeln, einschlie?lich Schriftart und Schriftgr??e.
Fazit:
Mit dieser benutzerdefinierten Extraktionsstrategie k?nnen Sie PDF-Text im gewünschten Format extrahieren. Dabei handelt es sich um ein leistungsstarkes Tool, mit dem sich Text und Stile in PDF-Dokumenten pr?zise reproduzieren lassen.
Das obige ist der detaillierte Inhalt vonWie extrahiere ich mit iTextSharp Text mit Formatierung aus PDFs?. Für weitere Informationen folgen Sie bitte anderen verwandten Artikeln auf der PHP chinesischen Website!

Hei?e KI -Werkzeuge

Undress AI Tool
Ausziehbilder kostenlos

Undresser.AI Undress
KI-gestützte App zum Erstellen realistischer Aktfotos

AI Clothes Remover
Online-KI-Tool zum Entfernen von Kleidung aus Fotos.

Clothoff.io
KI-Kleiderentferner

Video Face Swap
Tauschen Sie Gesichter in jedem Video mühelos mit unserem v?llig kostenlosen KI-Gesichtstausch-Tool aus!

Hei?er Artikel

Hei?e Werkzeuge

Notepad++7.3.1
Einfach zu bedienender und kostenloser Code-Editor

SublimeText3 chinesische Version
Chinesische Version, sehr einfach zu bedienen

Senden Sie Studio 13.0.1
Leistungsstarke integrierte PHP-Entwicklungsumgebung

Dreamweaver CS6
Visuelle Webentwicklungstools

SublimeText3 Mac-Version
Codebearbeitungssoftware auf Gottesniveau (SublimeText3)

Hei?e Themen





STD :: CHRONO wird in C verwendet, um die Zeit zu verarbeiten, einschlie?lich des Erhaltens der aktuellen Zeit, der Messung der Ausführungszeit, der Betriebszeit und -dauer und der Formatierungsanalysezeit. 1. Verwenden Sie std :: chrono :: system_clock :: Now (), um die aktuelle Zeit zu erhalten, die in eine lesbare Zeichenfolge konvertiert werden kann, aber die Systemuhr ist jedoch m?glicherweise nicht eint?nig. 2. Verwenden Sie STD :: Chrono :: Steady_clock, um die Ausführungszeit zu messen, um die Monotonie zu gew?hrleisten, und umwandeln Sie sie durch Duration_cast in Millisekunden, Sekunden und andere Einheiten; 3. Zeitpunkt (Time_Point) und Dauer (Dauer) k?nnen interoperabel sein, aber die Aufmerksamkeit der Einheitenkompatibilit?t und der Uhr -Epoche (Epoche) sollte beachtet werden.

Volatile teilt dem Compiler mit, dass sich der Wert der Variablen jederzeit ?ndern kann, was verhindert, dass der Compiler den Zugriff optimiert. 1. für Hardware -Register, Signalhandler oder gemeinsame Variablen zwischen Threads (Modern C empfiehlt Std :: Atomic). 2. Jeder Zugriff wird direkt gelesen und schreiben Speicher anstatt an Register zwischengespeichert. 3. Es bietet keine Atomizit?t oder Thread -Sicherheit und stellt nur sicher, dass der Compiler das Lesen und Schreiben nicht optimiert. 4. St?ndig werden die beiden manchmal in Kombination verwendet, um schreibgeschützte, aber extern modifizierbare Variablen darzustellen. 5. Es kann keine Mutexes oder Atomoperationen ersetzen, und überm??iger Gebrauch beeinflusst die Leistung.

Es gibt haupts?chlich die folgenden Methoden, um Stapelspuren in C: 1 zu erhalten. Verwenden Sie Backtrace- und Backtrace_Symbols -Funktionen auf der Linux -Plattform. Durch Einbeziehung des Anrufstapels und der Drucksymbolinformationen muss der Parameter -rdynamische Parameter beim Kompilieren hinzugefügt werden. 2. Verwenden Sie CapturestackbackTrace -Funktion auf der Windows -Plattform, und Sie müssen dbgHelp.lib verknüpfen und sich auf die PDB -Datei verlassen, um den Funktionsnamen zu analysieren. 3.. Verwenden Sie Bibliotheken von Drittanbietern wie GoogleBreakpad oder Boost.Stacktrace, um die Operationen der Stack-Erfassungen plattformübergreifend zu plattformieren und zu vereinfachen. 4. Kombinieren Sie in Ausnahmebehandlung die oben genannten Methoden, um die Informationen zur automatischen Ausgabe von Stapelinformationen in Fangbl?cken auszuführen

In C bezieht sich der Typ Pod (PlainoldData) auf einen Typ mit einer einfachen Struktur und kompatibel mit C -Sprachdatenverarbeitung. Es muss zwei Bedingungen erfüllen: Es verfügt über eine gew?hnliche Kopiensemantik, die von memcpy kopiert werden kann; Es hat ein Standardlayout und die Speicherstruktur ist vorhersehbar. Zu den spezifischen Anforderungen geh?ren: Alle nicht statischen Mitglieder sind ?ffentlich, keine benutzerdefinierten Konstrukteure oder Zerst?rer, keine virtuellen Funktionen oder Basisklassen, und alle nicht statischen Mitglieder selbst sind Schoten. Zum Beispiel strukturpoint {intx; inty;} ist Pod. Zu den Verwendungen geh?ren bin?re E/A, C -Interoperabilit?t, Leistungsoptimierung usw. Sie k?nnen prüfen, ob der Typ Pod über std :: is_pod ist, es wird jedoch empfohlen, STD :: IS_TRIVIA nach C 11 zu verwenden.

Um den Python -Code in C aufzurufen, müssen Sie zuerst den Interpreter initialisieren und dann die Interaktion erreichen, indem Sie Zeichenfolgen, Dateien oder aufrufen oder bestimmte Funktionen aufrufen. 1. Initialisieren Sie den Interpreter mit py_initialize () und schlie?en Sie ihn mit py_finalize (); 2. Führen Sie den String -Code oder pyrun_simpleFile mit pyrun_simpleFile aus; 3.. Importieren Sie Module über pyimport_importmodule, erhalten Sie die Funktion über PyObject_getAttrstring, konstruieren

FunktionshidingInc -Auftrittsklasse -DefinesFunctionWithThesamenameasAsaBaseClassfunction und MakeTheBaseVersioninaccessiblethroughThederedClass

ANullPointerinc isaspecialValueInDicatingThatapoInterdoesNotPointToanyvalidmemoryLocation, AnditisusedtoSafelyManageandCheckpointersbefordereferencent.1.Beforec 11.0ornUllWaSused, ButnownullpreferredforclarityTypesafety.2.2.2.2.2.2.2.2.2.2.2.2.2.2.2.2.2.2.2.2.2.2.2.2.2.2.2.2.2.

In C gibt es drei Hauptmethoden, um Funktionen als Parameter zu übergeben: Verwenden von Funktionszeigern, STD :: Funktions- und Lambda -Ausdrücken sowie Vorlagengenerika. 1. Funktionszeiger sind die grundlegendste Methode, geeignet für einfache Szenarien oder C -Schnittstelle kompatibel, aber schlechte Lesbarkeit; 2. Std :: Funktion in Kombination mit Lambda-Ausdrücken ist eine empfohlene Methode im modernen C, die eine Vielzahl von Callable-Objekten unterstützt und Typ-Safe ist. 3. Die Vorlagen -Generikummethoden sind die flexibelsten und für Bibliothekscode oder allgemeinen Logik geeignet, k?nnen jedoch die Kompilierungszeit und das Codevolumen erh?hen. Lambdas, die den Kontext erfassen, müssen durch std :: function oder template übergeben werden und k?nnen nicht direkt in Funktionszeiger konvertiert werden.
