獲得PDF標題頁

Question

是否有可能通過iText獲取頁面標題？

• PdfTextExtractor返回頁面中的所有文本，但我不知道標題是什麼行。此外，標題可能包含多個線
• 我不知道標題的座標，因此，我無法使用RegionTextRenderFilter
• 我可以嘗試分析字體大小，並採取用最大的字體，但TextRenderInfo線（S）不提供公共訪問gs（private final GraphicsState gs）
• 任何其他想法？

Answer 1

PDF中的頁面沒有標題，它們只是文本出現粗體或大字體，並且出現在您認爲比其他文本片段「更高」的區域。聽起來你已經知道了，我只需要清楚這一點。

請參閱my post here其中顯示如何通過繼承ITextExtractionStrategy來獲取字體信息。我的示例目標是iTextSharp，它是iText的.Net端口，但它們的功能相當。最大的區別是Java使用getXXX和setXXX，而.Net僅爲兩者使用XXX。否則，一切都應該移植得很好。

故事的寓意是，你將不得不寫一些武斷的規則來定義你認爲的「標題」，然後根據這些規則進行解析。