如何将PDF页面中文本的坐标从左下更改为左上

Question

我正在使用PDFBOX和itextSharp dll并处理pdf。这样我就可以得到矩形内文本的文本坐标。矩形坐标是使用itextsharp.dll.基本上我从itextsharp.dll获得矩形坐标，其中itextSharp使用坐标系统作为左下。我从PDFBOX获得pdf页面文本，其中PDFBOX使用坐标系统作为左上角。我需要帮助将坐标从左下转换为左上角

更新我的问题

如果你不理解我的问题，如果没有提供完整的信息，请原谅。

好吧，让我试着从一开始就给出更多的细节。

我正在开发一个工具，在这个工具中，我得到了一个PDF文件，其中一个矩形是使用注释部分中的一些绘html" target="_blank">图标记绘制的。现在我用iTextsharp读取矩形坐标

PdfDictionary pageDict = pdReader.GetPageN(page_no);
PdfArray annotArray = pageDict.GetAsArray(PdfName.ANNOTS);

其中pdReader是PdfReader。

使用PDFBOX提取页面文本及其坐标。在这里，我创建了一个类pdfBoxTextExtraction，我处理文本和坐标，以便它返回文本和llx、lly、urx、ury“逐行”请逐行注意，而不是逐句。

所以我想提取矩形坐标内的文本。当从itextsharp返回的矩形坐标（即，矩形的llx、lly、urx、ury）在左下角有一个原点，而从PDFBOX返回的文本坐标在左上角有一个原点时，我被卡住了。然后我意识到我需要调整y轴，以便原点从左下角移动到左上角。最后，我得到了页面的高度和cropbox的高度

iTextSharp.text.Rectangle mediabox = reader.GetPageSize(page_no);
iTextSharp.text.Rectangle cropbox = reader.GetCropBox(page_no);

做了一些基本的调整

lly=mediabox。顶级的

ury=媒体盒。托普里

在某些情况下，调整是有效的，而在某些PDF中，需要对cropbox进行调整

lly=cropbox。顶级的

ury=cropbox。托普里

而在某些PDF上，这是不起作用的。

我所需要的只是帮助调整矩形坐标，以便我得到矩形内的文本。

Answer 1

          if ((mediabox.Top - mediabox.Height) != 0)
            {
                topY = mediabox.Top;
                heightY = mediabox.Height;
                diffY = topY - heightY;
                lly_adjust = (topY - ury) + diffY;
                ury_adjust = (topY - lly) + diffY;
            }
            else if ((cropbox.Top - cropbox.Height) != 0)
            {
                topY = mediabox.Top;
                heightY = cropbox.Top;
                diffY = topY - heightY;
                lly_adjust = (topY - ury) - diffY;
                ury_adjust = (topY - lly) - diffY;

            }
            else
            {

                lly_adjust = mediabox.Top - ury;
                ury_adjust = mediabox.Top - lly;

            }

这些都是最后的调整

Answer 2

PDF中的坐标系在ISO-32000-1中定义。本ISO标准说明X轴向右，而Y轴向上。这是默认设置。这些是iText返回的坐标（在幕后，iText解析所有CTM转换）。

如果要转换iText返回的坐标，以便获得Y轴向下的坐标系中的坐标，例如，可以从页面顶部的Y坐标中减去iText返回的Y值。

例如：假设我们正在处理一个A4页面，其中底部的Y坐标为0，顶部的Y坐标为842。如果您有Y坐标，例如y1=806和y2=36，则可以执行以下操作：

y = 842 - y;

现在y1=36和y2=806。您刚刚使用简单的高中数学颠倒了Y轴的方向。

根据额外评论进行更新：

每个页面都有一个媒体框。这定义了最重要的页面边界。可能存在其他页面边界，但任何一个都不得超过媒体框（如果超过，则您的PDF违反ISO-32000-1）。

裁剪框定义页面的可见区域。默认情况下（例如，如果缺少裁剪框条目），裁剪框与媒体框重合。

在你的评论中，你说你从高度中减去了llx。这是不正确的llx是左下角的x坐标，而高度是在Y轴上测量的属性，除非页面旋转。您是否检查了页面字典是否有/Rotate值？

您还声称iText返回的值与PdfBox返回的值不匹配。请注意，iText返回的值符合ISO标准定义的坐标系。如果PdfBox不遵循此标准，您应该询问PdfBox的人员为什么不遵循该标准，以及他们使用的是什么坐标系。

也许这就是mkl的评论。他写道：

Y'=Ymax-Y.X'=X-Xmin。

也许PdfBox搜索最大Y值Ymax和最小X值Xmin，然后对所有坐标应用上述变换。如果要呈现PDF，这是一个有用的转换，但如果要使用坐标，例如在相对于页面上文本的特定位置添加内容（因为转换后的坐标不再是“PDF”坐标），则执行此类操作是不明智的。

备注：

你说你需要PdfBox来获取页面的文本。你为什么需要这个额外的工具？iText完全能够提取和重新排序页面上的文本（假设您使用了正确的提取策略）。如果没有，请澄清。

• 请注意，我们最近决定支持Type3字体，尽管我们不认为这是有意义的（请参阅文本提取为空且未知，因为文本使用PDFBox、iText具有Type3字体（困难主题！）理解为什么不）