使用iTextPDF修剪页面的空格

Question

我有一个pdf包含一些数据，后面是一些空白。我不知道数据有多大，但我想删掉数据后面的空格

    PdfReader reader = new PdfReader(PDFLOCATION);
    Rectangle rect = new Rectangle(700, 2000);
    Document document = new Document(rect);
    PdfWriter writer = PdfWriter.getInstance(document, new FileOutputStream(SAVELCATION));

     document.open();

        int n = reader.getNumberOfPages();
        PdfImportedPage page;
        for (int i = 1; i <= n; i++) {
            document.newPage();
            page = writer.getImportedPage(reader, i);
            Image instance = Image.getInstance(page);
            document.add(instance);
        }
        document.close();

有没有一种方法可以剪裁/修剪新文档中每一页的空格？此PDF包含矢量图形。

我使用iTextPDF，但可以切换到任何Java库（mavenized,Apache许可优先）

Answer 1

由于还没有发布实际的解决方案，这里有一些来自附带的itext-questions邮件列表线程的指针：

>

因为您只想修剪页面，所以这不是pdfwriter+getimportedpage的用法，而是pdfstamper的用法。使用pdfstamper的主代码可能如下所示：

PdfReader reader = new PdfReader(resourceStream); 
PdfStamper stamper = new PdfStamper(reader, new FileOutputStream("target/test-outputs/test-trimmed-stamper.pdf")); 

// Go through all pages 
int n = reader.getNumberOfPages(); 
for (int i = 1; i <= n; i++) 
{ 
    Rectangle pageSize = reader.getPageSize(i); 
    Rectangle rect = getOutputPageSize(pageSize, reader, i); 

    PdfDictionary page = reader.getPageN(i); 
    page.put(PdfName.CROPBOX, new PdfArray(new float[]{rect.getLeft(), rect.getBottom(), rect.getRight(), rect.getTop()})); 
    stamper.markUsed(page); 
} 
stamper.close(); 

如您所见，我还向您的getOutputPageSize方法添加了另一个参数。它是页码。要修剪的空白量在不同的页面上可能会有所不同。

如果源文档不包含矢量图形，您可以简单地使用iText解析器包类。甚至已经有一个基于它们的TextMarginFinder。在本例中，getOutputPageSize方法（带有附加的page参数）可能如下所示：

private Rectangle getOutputPageSize(Rectangle pageSize, PdfReader reader, int page) throws IOException 
{ 
    PdfReaderContentParser parser = new PdfReaderContentParser(reader);
    TextMarginFinder finder = parser.processContent(page, new TextMarginFinder());
    Rectangle result = new Rectangle(finder.getLlx(), finder.getLly(), finder.getUrx(), finder.getUry());
    System.out.printf("Text/bitmap boundary: %f,%f to %f, %f\n", finder.getLlx(), finder.getLly(), finder.getUrx(), finder.getUry());
    return result;
}

在文件test.pdf中使用此方法会得到以下结果：

正如您所看到的，代码根据页面上的文本（和位图图像）内容进行修剪。

如果要修剪的PDF不是太通用，但可以强制在相关位置包含一些文本或位图图形，那么无论如何，您可以使用上面的示例代码（可能只需稍作改动）。

例如。如果您的PDF总是以顶部的文本开始，底部的文本结束，您可以更改getOutputPageSize以创建结果矩形，如下所示：

Rectangle result = new Rectangle(pageSize.getLeft(), finder.getLly(), pageSize.getRight(), finder.getUry());

这只会修剪顶部和底部的空空间：

根据您的输入数据池和需求，这可能就足够了。

或者，根据您对输入数据的了解，您可以使用一些其他的启发式方法。如果您对文本的定位有所了解（例如，标题始终居中，其他一些文本始终从左边开始），则可以轻松地扩展TextMarginFinder来利用这些知识。

当前的开发版本5.5.6-snapshot扩展了解析器包，使其也包括矢量图形解析。这允许对iText原来的TextMarginFinder类进行扩展，实现新的ExtrenderListener方法，如下所示：

@Override
public void modifyPath(PathConstructionRenderInfo renderInfo)
{
    List<Vector> points = new ArrayList<Vector>();
    if (renderInfo.getOperation() == PathConstructionRenderInfo.RECT)
    {
        float x = renderInfo.getSegmentData().get(0);
        float y = renderInfo.getSegmentData().get(1);
        float w = renderInfo.getSegmentData().get(2);
        float h = renderInfo.getSegmentData().get(3);
        points.add(new Vector(x, y, 1));
        points.add(new Vector(x+w, y, 1));
        points.add(new Vector(x, y+h, 1));
        points.add(new Vector(x+w, y+h, 1));
    }
    else if (renderInfo.getSegmentData() != null)
    {
        for (int i = 0; i < renderInfo.getSegmentData().size()-1; i+=2)
        {
            points.add(new Vector(renderInfo.getSegmentData().get(i), renderInfo.getSegmentData().get(i+1), 1));
        }
    }

    for (Vector point: points)
    {
        point = point.cross(renderInfo.getCtm());
        Rectangle2D.Float pointRectangle = new Rectangle2D.Float(point.get(Vector.I1), point.get(Vector.I2), 0, 0);
        if (currentPathRectangle == null)
            currentPathRectangle = pointRectangle;
        else
            currentPathRectangle.add(pointRectangle);
    }
}

@Override
public Path renderPath(PathPaintingRenderInfo renderInfo)
{
    if (renderInfo.getOperation() != PathPaintingRenderInfo.NO_OP)
    {
        if (textRectangle == null)
            textRectangle = currentPathRectangle;
        else
            textRectangle.add(currentPathRectangle);
    }
    currentPathRectangle = null;

    return null;
}

@Override
public void clipPath(int rule)
{
}

（全文来源：MarginFinder.java）

使用该类修剪空白会导致

这正是人们所希望的。

注意：上面的实现远非最佳。它甚至是不正确的，因为它包括所有的曲线控制点，这是太多了。此外，它会忽略线宽或楔形类型等内容。它实际上只是一个概念的证明。