如何使用 iTextSharp 從 PDF 檢索文字格式（字型、大小、樣式）？

使用iTextSharp擷取文字格式的方法

雖然iTextSharp提供有效的文字擷取方法，但在保留字體、顏色和大小等格式細節方面可能存在不足。為了克服這個限制，我們探索了一種替代方法。

自訂文字擷取策略

自訂的TextWithFontExtractionStategy類別擴充了ITextExtractionStrategy介面來擷取格式資訊。在RenderText方法中：

• 它監控字體名稱、偽粗體使用、基線變化和字體大小變化。
• 如果這些屬性中的任何一個發生變化，它將關閉目前的HTML span標籤，並建立一個具有相應樣式的新標籤。

範例輸出

下面的C#程式碼示範如何從PDF中提取文字以及與字體相關的格式：

<code class="language-csharp">StringBuilder result = new StringBuilder();
PdfReader reader = new PdfReader(System.IO.Path.Combine(Environment.GetFolderPath(Environment.SpecialFolder.Desktop), "Document.pdf"));
TextWithFontExtractionStategy S = new TextWithFontExtractionStategy();
string F = iTextSharp.text.pdf.parser.PdfTextExtractor.GetTextFromPage(reader, 1, S);
Console.WriteLine(F);</code>

產生的HTML輸出包含字型系列、字型大小和字型樣式的標籤。

其他考慮因素

• PostscriptFontName可能包含額外的字符，這可能與字體子集相關。
• 範例程式碼假設基線的變化表示HTML中的換行符。
• 提取過程目前不捕獲顏色訊息，但有跡象表明可以手動實現此功能。

以上是如何使用 iTextSharp 從 PDF 檢索文字格式（字型、大小、樣式）？的詳細內容。更多資訊請關注PHP中文網其他相關文章！