Выделите слова в существующем PDF-документе с помощью iText7 и C#

Я барахтаюсь и хожу по кругу с этой проблемой уже пару дней. Я надеюсь, что кто-то здесь может помочь.

У меня есть PDF-документ в файловом потоке, который я хотел бы использовать iText7 8.0.3 из C#, чтобы найти все экземпляры ключевого слова «и» и выделить их красным фоном, а затем сохранить документ обратно в поток памяти, а затем в копию pdf.

Вот мой код, который почти работает, он отображает красный фон, но только в неправильных относительных местах: -

using iText.Kernel.Colors;
using iText.Kernel.Pdf;
using iText.Kernel.Pdf.Canvas;
using iText.Kernel.Pdf.Canvas.Parser;
using iText.Kernel.Pdf.Canvas.Parser.Listener;
using System.IO;

FileStream src = new FileStream("C:\\Temp\\34207180.pdf", FileMode.Open);
MemoryStream ms = new MemoryStream();

string keyword = "and";

PdfDocument pdfDoc = new PdfDocument(new PdfReader(src), new PdfWriter(ms));

int pdfPages = pdfDoc.GetNumberOfPages();

for (int page = 1; page <= pdfPages; page++)
{

    Regex regex = new Regex(keyword, RegexOptions.IgnoreCase);

    RegexBasedLocationExtractionStrategy extractionStrategy = new RegexBasedLocationExtractionStrategy(regex);

    PdfCanvasProcessor parser = new PdfCanvasProcessor(extractionStrategy);

    parser.ProcessPageContent(pdfDoc.GetPage(page));

    List<IPdfTextLocation> locs = extractionStrategy.GetResultantLocations().ToList();

    PdfCanvas pdfCanvas = new PdfCanvas(pdfDoc.GetPage(page).NewContentStreamAfter(), pdfDoc.GetPage(page).GetResources(), pdfDoc);

    foreach (var l in locs)
    {

        pdfCanvas
            .SaveState()
            .SetFillColor(ColorConstants.RED)
            .Rectangle(l.GetRectangle().GetX(), l.GetRectangle().GetY(), l.GetRectangle().GetWidth(), l.GetRectangle().GetHeight())
            .Fill()
            .RestoreState();

    }

}

pdfDoc.Close();

byte[] img = ms.ToArray();
File.WriteAllBytes("C:\\Temp\\34207180-dest.pdf", img);

А вот примеры входных и выходных PDF-файлов: ИсточникПункт назначения

Кто-нибудь может объяснить, что происходит? Это похоже на то, что GetResultantLocations возвращает значения в масштабе, отличном от того, который требуется для PdfCanvas Rectangle Fill.

Я прочитал много статей на этом сайте и в других местах, но безрезультатно.

Стоит ли изучать PHP в 2023-2024 годах?
Стоит ли изучать PHP в 2023-2024 годах?
Привет всем, сегодня я хочу высказать свои соображения по поводу вопроса, который я уже много раз получал в своем сообществе: "Стоит ли изучать PHP в...
Поведение ключевого слова "this" в стрелочной функции в сравнении с нормальной функцией
Поведение ключевого слова "this" в стрелочной функции в сравнении с нормальной функцией
В JavaScript одним из самых запутанных понятий является поведение ключевого слова "this" в стрелочной и обычной функциях.
Приемы CSS-макетирования - floats и Flexbox
Приемы CSS-макетирования - floats и Flexbox
Здравствуйте, друзья-студенты! Готовы совершенствовать свои навыки веб-дизайна? Сегодня в нашем путешествии мы рассмотрим приемы CSS-верстки - в...
Тестирование функциональных ngrx-эффектов в Angular 16 с помощью Jest
В системе управления состояниями ngrx, совместимой с Angular 16, появились функциональные эффекты. Это здорово и делает код определенно легче для...
Концепция локализации и ее применение в приложениях React ⚡️
Концепция локализации и ее применение в приложениях React ⚡️
Локализация - это процесс адаптации приложения к различным языкам и культурным требованиям. Это позволяет пользователям получить опыт, соответствующий...
Пользовательский скаляр GraphQL
Пользовательский скаляр GraphQL
Листовые узлы системы типов GraphQL называются скалярами. Достигнув скалярного типа, невозможно спуститься дальше по иерархии типов. Скалярный тип...
1
0
100
1
Перейти к ответу Данный вопрос помечен как решенный

Ответы 1

Ответ принят как подходящий

На создаваемый вами рисунок влияет матрица преобразования, установленная в исходном содержимом.

Чтобы на вас не повлияла какая-либо активная матрица преобразования, вы можете использовать конструктор Canvas PdfCanvas(PdfPage page, bool wrapOldContent). Этот WrapOldContent обернет существующий контент в состояние сохранения и восстановления, что приведет к нетронутому состоянию.

Нарисованные прямоугольники заблокируют текст. Это можно исправить, установив режим наложения на умножение. Canvas.SetExtGState(new PdfExtGState().SetBlendMode(PdfExtGState.BM_MULTIPLY))

Я обновил часть вашего кода, чтобы отразить эти и некоторые другие изменения:

    PdfCanvas pdfCanvas = new PdfCanvas(pdfDoc.GetPage(page), true);
    pdfCanvas.SaveState();
    pdfCanvas.SetFillColor(ColorConstants.RED);
    pdfCanvas.SetExtGState(new PdfExtGState().SetBlendMode(PdfExtGState.BM_MULTIPLY));
    
    foreach (var l in locs)
    {
        pdfCanvas
            .Rectangle(l.GetRectangle().GetX(), l.GetRectangle().GetY(), l.GetRectangle().GetWidth(),
                l.GetRectangle().GetHeight())
            .Fill();
    }
    pdfCanvas.RestoreState();

Это работает отлично, поэтому я отметил это как ответ. Большое спасибо. Я пытался проголосовать за вас, но я не отвечаю минимальным требованиям для этого. Желаем вам фантастических выходных!

Adam D. 12.04.2024 13:47

Одно предупреждение: этот код изменяет статическое содержимое страницы. В целом это нормально, но если вы хотите выделить слова в документах с цифровой подписью, вам не следует изменять содержимое страницы. Вместо этого вам придется добавить аннотации для основных моментов.

mkl 30.04.2024 13:15

Другие вопросы по теме