首页 文章

如何从左下角到左上角更改pdf页面中文本的坐标

提问于
浏览 次
1

我正在使用PDFBOX和itextsharp dll并处理pdf . 这样我就可以得到矩形内文本的文本坐标 . 使用itextsharp.dll提取矩形坐标 . 基本上我从itextsharp.dll获取矩形坐标，其中itextsharp使用坐标系统作为左下角 . 我从PDFBOX获取pdf页面文本，其中PDFBOX使用坐标系统作为左上角 . 我需要帮助将坐标从左下角转换为左上角

提前致谢

Updating my question

请原谅我，如果你理解我的问题，如果没有提供完整的信息..

好吧，让我试着从一开始就提供更多细节 .

我正在开发一个工具，我得到一个PDF，其中使用注释部分中的一些绘图标记绘制一个矩形 . 现在我正在使用iTextsharp读取矩形坐标

PdfDictionary pageDict = pdReader.GetPageN(page_no);
PdfArray annotArray = pageDict.GetAsArray(PdfName.ANNOTS);

其中pdReader是PdfReader .

并使用PDFBOX提取页面文本及其坐标 . 在哪里我有一个类创建pdfBoxTextExtraction在这个我处理文本和坐标，使它返回文本和 llx,lly,urx,ury "line by line"请逐行注意而不是句子明智 .

所以我想提取位于Rectangle坐标内的文本 . 当从itextsharp返回矩形的坐标时，我陷入困境，即llx，lly，urx，一个矩形的ury在 lower left 处有一个原点，因为从PDFBOX返回的文本坐标的原点是 upper left . 然后我意识到我需要调整y轴使原点从左下角移动到左上角 . 因为我得到了页面的高度和庄稼的高度

iTextSharp.text.Rectangle mediabox = reader.GetPageSize(page_no);
iTextSharp.text.Rectangle cropbox = reader.GetCropBox(page_no);

做了一些基本调整

lly = mediabox.Top - lly ury = mediabox.Top - ury

在某些情况下，调整工作，而在一些PDF需要调整cropbox

lly = cropbox .Top - lly ury = cropbox .Top - ury

在某些PDF文件上工作的地方 .

我需要的是帮助调整矩形坐标，以便我得到矩形内的文本

希望这很清楚 . 如果不是请原谅我并要求同样的

谢谢

c# pdf itextsharp coordinates pdfbox

2 回答

  • 1

    PDF中的坐标系在ISO-32000-1中定义 . 该ISO标准解释了X轴朝向右侧，而Y轴朝向上方 . 这是默认值 . 这些是iText返回的坐标（幕后，iText解析所有CTM转换） .

    如果你想转换iText返回的坐标，以便在Y轴向下方向的坐标系中获得坐标，你可以从页面顶部的Y坐标中减去iText返回的Y值 . .

    An example: 假设我们正在处理A4页面，其中底部的Y坐标为0，顶部的Y坐标为842.如果您有Y坐标，如 y1 = 806 和 y2 = 36 ，则可以执行以下操作：

    y = 842 - y;

    现在 y1 = 36 和 y2 = 806 . 您只需使用简单的高中数学就可以颠倒Y轴的方向 .

    Update based on an extra comment:

    每个页面都有一个媒体框 . 这定义了最重要的页面边界 . 可能存在其他页面边界，但它们都不会超过媒体框（如果有，则表示您的PDF违反了ISO-32000-1） .

    裁剪框定义页面的可见区域 . 默认情况下（例如，如果缺少裁剪框条目），裁剪框与媒体框重合 .

    在你的评论中，你说你从高处减去llx . 这是不正确的 . llx 是左下方的 x 坐标，而高度是在 Y 轴上测量的属性， unless 页面被旋转 . 您是否检查了页面词典是否具有 /Rotate 值？

    您还声称iText返回的值与PdfBox返回的值不匹配 . 请注意，iText返回的值符合ISO标准定义的坐标系 . 如果PdfBox不遵循这个标准，你应该向PdfBox why 的人们询问他们是不是遵循标准，而是使用他们正在使用的 what 坐标系 .

    也许这就是mkl的评论 . 他写了：

    Y'= Ymax - Y. X'= X - Xmin .

    也许PdfBox搜索最大Y值 Ymax 和最小X值 Xmin 然后在所有坐标上应用上述变换 . 如果要渲染PDF，这是一个有用的转换，但它是如果要使用坐标，例如在相对于页面上的文本的特定位置添加内容，则执行此类操作是不明智的（因为已转换的坐标不再是"PDF"坐标） .

    Remark:

    你说你需要PdfBox来获取页面的文本 . 为什么需要这个额外的工具？ iText完全能够提取和重新排序页面上的文本（假设您使用正确的提取策略） . 如果没有，请澄清 .

    回复于
  • 0
    if ((mediabox.Top - mediabox.Height) != 0)
            {
                topY = mediabox.Top;
                heightY = mediabox.Height;
                diffY = topY - heightY;
                lly_adjust = (topY - ury) + diffY;
                ury_adjust = (topY - lly) + diffY;
            }
            else if ((cropbox.Top - cropbox.Height) != 0)
            {
                topY = mediabox.Top;
                heightY = cropbox.Top;
                diffY = topY - heightY;
                lly_adjust = (topY - ury) - diffY;
                ury_adjust = (topY - lly) - diffY;

            }
            else
            {

                lly_adjust = mediabox.Top - ury;
                ury_adjust = mediabox.Top - lly;

            }

    这些都是最后的调整

    回复于

相关问题