PDF itext TOC代

Question

我必須將多個PDF文檔合併到一個PDF文檔中。除此之外，我必須生成TOC。原始文檔將包含具有特定樣式的文本（如H1）。這個特殊文本成爲TOC的一部分。

已使用iText合併多個PDF文件。我無法找到上的示例/ API解析文檔以查找所有具有H1樣式的內容。 生成TOC是下一個挑戰。

Answer 1

你不知道。 PDF文件沒有樣式。他們有「當前圖形狀態」，其中包括：

• 當前轉換矩陣（CTM）。
• 行程&填充顏色
• 剪輯路徑
• 字體大小&
• 採空區的其他文本狀態的東西（字符間距，字間距，行距，文本渲染模式...）
• • 包括與CTM結合的單獨的文本轉換矩陣。

所以首先你必須追蹤所有這些東西（這iText的能爲你主要是做）。然後，您必須確定「H1」文本有多大，並鎖定所有尺寸爲屏幕大小的文本，並考慮CTM，文本矩陣和字體大小（iText會再次爲您提供幫助，IIRC ）。

只是爲了讓生活更加激動人心，像你自己一樣，你看的文本完全可能不是文本。它可能是路徑或位圖......在這一點上你需要OCR，而且我認爲你不會在OCR的大小信息方面獲得太多。

您需要編寫一個TextRenderListener來確定給定文本的最終大小（以及它是否是最後一部分的最後一部分）並過濾掉所有太小的東西。然後，您將根據您找到的文本構建您的TOC。