使用 iTextSharp 增強文字格式擷取
iTextSharp 的預設 PDF 文字擷取在涉及字體樣式和顏色等高級格式時缺乏精確度。本文提出了克服此限制的解決方案。
卓越的萃取方法：
不要依賴標準提取方法，而是使用自訂策略，例如「TextWithFontExtractionStategy」。此方法追蹤基線、字體名稱和大小的變化，以準確識別格式變化。
樣式化 HTML 輸出：
這種改進的策略會產生 HTML 輸出，為每個文字段嵌入樣式標籤。這會保留提取資料中的格式詳細資訊。
實作細節：
提供的程式碼範例展示如何實作此增強策略並產生格式化的 HTML 輸出。 它利用 ITextExtractionStrategy 介面進行文字擷取和渲染。
進階渲染功能：
此策略包括偵測「假粗體」字體（使用填充和描邊渲染在視覺上加粗的字體）。 它將“-Bold”添加到 HTML 輸出中的字體名稱中以反映這一點。
自訂選項：
此策略具有很強的適應性。您可以修改 HTML 格式以滿足您特定的樣式需求和偏好。
摘要：
透過將此增強的提取策略整合到您的 iTextSharp 應用程式中，您將顯著提高文字格式提取的準確性和多功能性，從 PDF 文件中捕獲更豐富的資訊。
以上是如何改進 iTextSharp 中的文字格式擷取？的詳細內容。更多資訊請關注PHP中文網其他相關文章！
