Use PDFBox to determine the scaling of content in a PDF

在处理PDF文件时，确定内容的缩放比例是一项重要的任务。php小编小新将为您介绍一种使用PDFBox库来实现此目的的方法。PDFBox是一个开源的Java库，它提供了一套强大的API，可以用于处理PDF文件。通过使用PDFBox，我们可以轻松地获取PDF文件中的内容，并确定其适当的缩放比例，以便在不同的设备上正确显示。无论您是在开发一个PDF阅读器还是需要在您的应用程序中处理PDF文件，本文都将为您提供详细的指导。让我们开始吧！

问题内容

我有一个 pdf，其中包含扫描文档的图像。页面内容如下：

第一个内容流

0.36 0 0 0.36 0 0 cm
q
  2200 0 0 1700 0 0 cm
  /im1 do
q

页面似乎缩放至原始大小的 36%。此外，这是在没有保存/恢复的情况下完成的，因此它会影响页面中的后续流。

我需要使用带有新内容流的 pdfbox 将文本添加到页面。为了修复缩放，我计算了缩放的倒数并将其添加到我的文本之前：

第二个内容流

q
  2.77778 0 0 2.77778 0 0 cm
  bt
    0 tr
    /f1 37.75083 tf
    67 531 td
    /devicergb cs
    1 0 0 sc
    1 0 0 1 67 531 tm
    (\000u\000r\000j\000h\000u\000v\000r\000q) tj
  et
q

这工作正常，但我需要根据页面的当前状态而不是硬编码值以编程方式计算缩放。我试图使用 pdfbox 来查找当前的缩放比例，但它始终是 1.0：

@sneakythrows
    @test
    void debug() {
        var source = new classpathresource("pdf/scaling/test.pdf").getfile();
        @cleanup var pdf = pddocument.load(source);
        var page = pdf.getpage(0);
        assertequals(0.36, page.getmatrix().getscalex());
        assertequals(0.36, page.getmatrix().getscaley());
    }

assertionfailederror: 
expected :0.36
actual   :1.0

我假设需要渲染页面才能确定实际的缩放比例。使用pdfstreamengine处理页面，我仍然看到缩放为1：

@sneakythrows
    @test
    void scalingdetection() {
        var source = new classpathresource("pdf/scaling/test.pdf").getfile();
        @cleanup var pdf = pddocument.load(source);
        debugstreamengine engine = new debugstreamengine();
        engine.processpage(pdf.getpage(0));
        assertequals(0.36f, engine.getscalingx());
        assertequals(0.36f, engine.getscalingy());
    }
    

    protected class debugstreamengine extends pdfstreamengine {
        public debugstreamengine() {
            addoperator(new concatenate());
            addoperator(new drawobjectoperator());
            addoperator(new begininlineimageoperator());
            addoperator(new setgraphicsstateparameters());
            addoperator(new save());
            addoperator(new restore());
            addoperator(new setmatrix());
        }

        @override
        protected void processoperator(operator operator, list<cosbase> operands) throws ioexception {
            log.info("processing operator: {}", operator.getname());
        }
        
        protected float getscalingx() {
            return getgraphicsstate().getcurrenttransformationmatrix().getscalex();
        }
        
        protected float getscalingy() {
            return getgraphicsstate().getcurrenttransformationmatrix().getscaley();
        }
    }

assertionfailederror: 
expected :0.36
actual   :1.0

我认为这可能是由 pdfstreamengine.processstream 中的图形堆栈重置引起的。我已经通过维护自己的图形堆栈来解决这个问题，但我想知道我是否错过了更好的解决方案，或者这是否可能是 pdbox 中的错误？

解决方法

根据 mkl 和 kj 的评论，我不再需要确定/恢复缩放。这是通过在创建内容流时添加标志来重置上下文来完成的。这也有助于防止我没有考虑到的其他潜在问题。

添加此标志会在内容流前面添加一个 q 运算符。然后，新的（附加的）流由 q 运算符启动。编译结果为：

预置流

q

原始流

0.36 0 0 0.36 0 0 cm
q
  2200 0 0 1700 0 0 cm
  /im1 do
q

附加流

Q
q
BT
  0 Tr
  /F1 37.75083 Tf
  67 531 Td
  /DeviceRGB cs
  1 0 0 sc
  1 0 0 1 67 531 Tm
  (\000U\000R\000J\000H\000U\000V\000R\000Q) Tj
ET
Q

The above is the detailed content of Use PDFBox to determine the scaling of content in a PDF. For more information, please follow other related articles on the PHP Chinese website!