我为表格中的线条得到的y坐标似乎超出了文本的坐标。似乎正在进行一些转换,但我找不到它。如果可能的话,我想在下面扩展的PDFGraphicsStreamEngine范围内解决这个问题,而不必回到绘图板上使用PDFBox中可用的其他输入流。
我扩展了PDFTextStripper
,以获取页面上每个文本图示符的位置:
public class MyPDFTextStripper extends PDFTextStripper {
private List<TextPosition> tps;
public MyPDFTextStripper() throws IOException {
tps = new ArrayList<>();
}
@Override
protected void writeString
(String text,
List<TextPosition> textPositions)
throws IOException {
tps.addAll(textPositions);
}
List<TextPosition> getTps() {
return tps;
}
}
我已经扩展了PDFGraphicsStreamEngine
来提取页面上的每一行作为Line2D
:
public class LineCatcher extends PDFGraphicsStreamEngine
{
private final GeneralPath linePath = new GeneralPath();
private List<Line2D> lines;
LineCatcher(PDPage page)
{
super(page);
lines = new ArrayList<>();
}
List<Line2D> getLines() {
return lines;
}
@Override
public void strokePath() throws IOException
{
Rectangle2D rect = linePath.getBounds2D();
Line2D line = new Line2D.Double(rect.getX(), rect.getY(),
rect.getX() + rect.getWidth(),
rect.getY() + rect.getHeight());
lines.add(line);
linePath.reset();
}
@Override
public void moveTo(float x, float y) throws IOException
{linePath.moveTo(x, y);}
@Override
public void lineTo(float x, float y) throws IOException
{linePath.lineTo(x, y);}
@Override
public Point2D getCurrentPoint() throws IOException
{return linePath.getCurrentPoint();}
//all other overridden methods can be left empty for the purposes of this problem.
}
我编写了一个简单的程序来演示这个问题:
public class PageAnalysis {
public static void main(String[] args) {
try (PDDocument doc = PDDocument.load(new File("onePage.pdf"))) {
PDPage page = doc.getPage(0);
MyPDFTextStripper ts = new MyPDFTextStripper();
ts.getText(doc);
List<TextPosition> tps = ts.getTps();
System.out.println("Y coordinates in text:");
Set<Integer> ySet = new HashSet<>();
for (TextPosition tp: tps) {
ySet.add((int)tp.getY());
}
List<Integer> yList = new ArrayList<>(ySet);
Collections.sort(yList);
for (int y: yList){
System.out.print(y + "\t");
}
System.out.println();
System.out.println("Y coordinates in lines:");
LineCatcher lineCatcher = new LineCatcher(page);
lineCatcher.processPage(page);
List<Line2D> lines = lineCatcher.getLines();
ySet = new HashSet<>();
for (Line2D line: lines) {
ySet.add((int)line.getY2());
}
yList = new ArrayList<>(ySet);
Collections.sort(yList);
for (int y: yList){
System.out.print(y + "\t");
}
System.out.println();
} catch (IOException e) {
e.printStackTrace();
}
}
}
这项研究的结果是:
Y coordinates in text:
66 79 106 118 141 153 171 189 207 225 243 261 279 297 315 333 351 370 388 406 424 442 460 478 496 514 780
Y coordinates in lines:
322 340 358 376 394 412 430 448 466 484 502 520 538 556 574 593 611 629 647 665 683 713
文本列表中的最后一个数字对应于底部页码的y坐标。我找不到线条的y坐标是怎么回事,尽管它似乎已经被转换了(媒体框在这里与文本相同,并且与文本位置相符)。对于yScaling,当前变换矩阵也有1.0。
事实上,PDFTextStripper
有一个坏习惯,那就是将坐标转换成一个非常un-PDF'ish的坐标系,一个原点在页面左上角,y坐标向下增加的坐标系。
因此,对于文本位置tp
,您不应该使用
tp.getY()
但是相反
tp.getTextMatrix().getTranslateY()
不幸的是,即使这些坐标更接近实际的PDF默认坐标系,也可能会被转换。请参见:这些坐标仍然会被转换,以使原点位于裁剪框的左下角。
因此,你真的需要这样的东西:
tp.getTextMatrix().getTranslateY() + cropBox.getLowerLeftY()
其中cropBox
是检索为
PDRectangle cropBox = doc.getPage(n).getCropBox();
其中n
是包含该内容的页面的编号。
问题内容: 从技术上讲,将脚本放在html页面底部是JavaScript最佳实践。但是我很困惑为什么某些脚本应该像Angular那样在页面顶部调用。因此,当我使用类似Angular的库时,是否违反了JavaScript最佳做法? 有什么解释吗? 问题答案: 从技术上讲,这仅是最佳实践,如果您不关心顺序文件的“太多”加载。您确定要先调用一个库。因此,人们在加载HTML之后将所有自定义脚本加载到底部,
我有一个带有图像和文本的标签 我得到了一个直观的结果: 如何更改文本位置?我想在图像下面设置文本?
我在pdfbox上做了一些实验,我现在遇到了一个问题,我怀疑这个问题与坐标系有关。 我正在扩展PDFTextStripper以获得pdf页面中每个字符的X和Y。 最初我是用ImageIO创建一个图像,在我收到的位置打印文本,并在我想要的每个引用的底部加上一个小标记(不同颜色的矩形),看起来一切都很好。但现在,为了避免丢失pdf的样式,我只想覆盖pdf并添加前面说过的标记,但我得到的坐标在PDPag
下面是我的函数,它从glyph空间到用户空间进行计算 下面是绘制提取的矩形的函数: 我不知道我做错了什么。有什么想法吗?
你可以更改保存 Navicat Data Modeler 内部文件的“配置文件位置”。
你可以为不同的文件类型更改文件夹。在默认情况下,大部分的文件保存于设置位置。然而,某些文件是保存于“配置文件位置”路径,以及所有日志文件是保存于“记录位置”路径。 在配置文件位置的文件 服务器类型 扩展名 自动运行 MySQL .nbatmysql Oracle .nbatora PostgreSQL .nbatpgsql SQLite .nbatsqlite SQL Server .nbatms