預檢PDF的文件

Question

我有任務在預檢以下參數現有的PDF文件：

1. 按照嵌入字體和文本層中使用的字體;
2. 文件的物理尺寸（寬度和高度，以毫米爲單位）。
3. 每個圖像層和整個文檔的顏色配置文件。
4. 文件的出血/修剪/藝術框。

我需要用.net框架來做到這一點。 有什麼建議嗎？

Answer 1

看一看iText或者您可以根據poppler實施您自己的解決方案，它可以讓您真正對pdf文檔進行低級訪問。

Answer 2

我很有偏見（提交者），但我建議你使用iText。

您對「圖層」這個詞的使用使我相信您並不是指（或理解）「圖層」在PDF中的含義。

在PDF中，圖層也被稱爲「可選內容組」。可以使用各種邏輯位（例如當前縮放級別）來打開和關閉給定頁面的部分。

PDF中的文本和圖像可以具有任意深度/ Z順序。文字可以位於圖像的頂部，可以與其他文字重疊，可以在其他圖像上繪製這些文字，這可以讓您明白。它不經常發生（如果有的話），但它可能是。

但是我對想要問什麼的理解是，您希望座標&圖形狀態的每個文本和圖像在給定的頁面上。

iText可以做到這一點，這要感謝相當新的parser包。特別是，PdfReaderContentParser與自定義RenderListener。

在renderText和renderImage的實現中，您可以存儲/檢查所需的所有內容。

這會讓你大部分時間到1和3.挖掘顏色/嵌入信息將需要一些低水平的PdfDictionary等，以及一些關於PDF Specification的知識。

2號和4號根據你如何描述它們而有點時髦，但實際情況非常簡單。

PDF頁面可以有5個不同的盒子：

1. 媒體專欄：頁面的初始大小。必需
2. 裁切框：完成頁面的大小。可選，如果未明確定義，則默認爲媒體框。
3. 修剪框：某些其他打印機整理不是裁剪框的東西。可選，默認爲裁剪框。
4. 藝術框：包含頁面上可見內容的邊界框（或其他），默認爲裁剪框。
5. 出血框：其他一些印刷物，默認爲（你猜對了！）裁剪框。

所有這些「默認爲X」是隱含的。如果您要求裝飾框，我可能會得到「空白」，在這種情況下，我的責任是檢查裁剪框。如果我再次得到空，那麼我需要檢查媒體框。因此，當您詢問物理尺寸時，您可能指的是媒體盒或裁剪框......或者甚至可能是裁切框（雖然我懷疑它是因爲您稍後明確提及它）。

而當你想知道其中一個盒子時，你需要知道它是什麼時候該值不存在。

好吧，這就是理論。螺紋和螺栓時間（以Java計算）：

Rectangle[] getBoxen(PdfReader reader, int pageINDEX) { 
    Rectangle retRects[] = new Rectangle[5]; 
    retRects[0] = reader.getBoxSize(pageINDEX, "media"); 
    retRects[1] = reader.getBoxSize(pageINDEX, "crop"); 
    retRects[2] = reader.getBoxSize(pageINDEX, "trim"); 
    retRects[3] = reader.getBoxSize(pageINDEX, "art"); 
    retRects[4] = reader.getBoxSize(pageINDEX, "bleed"); 

    // handle defaults 

    // crop box defaults to media box 
    if (retRects[1] == null) { 
    retRects[1] = retRects[0]; 
    } 

    // everything else defaults to the crop box 
    for (int i = 2; i < 4; ++i) { 
    if (retRects[i] == null) { 
     retRects[i] = retRects[1]; 
    } 
    } 

    return retRects; 
}