如何从左下角到左上角更改pdf页面中文本的坐标

Posted 2021-03-28

我正在使用PDFBOX和itextsharp dll并处理pdf。这样我就可以在矩形内得到文本的文本坐标。使用itextsharp.dll提取矩形坐标。基本上我从itextsharp.dll获取矩形坐标，其中itextsharp使用坐标系统作为左下角。我从PDFBOX获取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角转换为左上角

更新我的问题

请原谅我，如果你不理解我的问题，如果没有提供完整的信息。

好吧，让我试着从一开始就提供更多细节。

我正在开发一个工具，我得到一个PDF，其中使用注释部分中的一些绘图标记绘制一个矩形。现在我正在使用iTextsharp读取矩形坐标

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

其中pdReader是PdfReader。

并使用PDFBOX提取页面文本及其坐标。我在这里创建了一个类pdfBoxTextExtraction，我处理文本和坐标使得它返回文本和llx，lly，urx，ury“逐行”请逐行注意而不是明智的。

所以我想提取位于Rectangle坐标内的文本。当从itextsharp返回矩形的坐标时，我陷入困境，即llx，lly，urx，矩形的ury在左下角有一个原点，因为从PDFBOX返回的文本坐标在左上角有一个原点。然后我意识到我需要调整y轴，使原点从左下角移动到左上角。因为我得到了页面的高度和庄稼的高度

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

做了一些基本调整

lly = mediabox.Top - lly

ury = mediabox.Top - ury

在某些情况下，调整工作，而在一些PDF需要调整cropbox

lly = cropbox .Top - lly

ury = cropbox .Top - ury

某些PDF文件无法正常工作。

我需要的只是帮助调整矩形坐标，以便我得到矩形内的文本。

答案

PDF中的坐标系在ISO-32000-1中定义。该ISO标准解释了X轴朝向右侧，而Y轴朝向上方。这是默认值。这些是iText返回的坐标（幕后，iText解析所有CTM转换）。

如果你想转换iText返回的坐标，以便在Y轴向下方向的坐标系中获得坐标，你可以从页面顶部的Y坐标中减去iText返回的Y值。 。

示例：假设我们正在处理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，那么您可以这样做：

y = 842 - y;

现在y1 = 36和y2 = 806。您只需使用简单的高中数学就可以颠倒Y轴的方向。

根据额外评论更新：

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，但它们都不会超过媒体框（如果有，则表示您的PDF违反了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，你说你从高处减去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。您是否检查了页面词典是否具有/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不遵循这个标准，你应该向PdfBox的人们询问他们为什么不遵循标准，以及他们使用的是什么坐标系。

也许这就是mkl的评论。他写了：

Y'= Ymax - Y. X'= X - Xmin。

也许PdfBox搜索最大Y值Ymax和最小X值Xmin然后在所有坐标上应用上述变换。如果要渲染PDF，这是一个有用的转换，但如果要使用坐标，例如在页面上相对于文本的特定位置添加内容，则执行此类操作是不明智的（因为转换后的坐标为no更长的“PDF”坐标）。

备注：

你说你需要PdfBox来获取页面的文本。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，虽然我们不相信这是有道理的（请参阅Text extraction is empty and unknown for text has type3 font using PDFBox,iText (difficult topic!)以了解为什么不这样做）。
• 一些人认为“错误提取”通常可能是对提取内容的“错误解释”，如此邮件列表答案所述：http://thread.gmane.org/gmane.comp.java.lib.itext.general/66829/focus=66830
• 在其他情况下，我们遵循规范，导致结果与PdfBox返回的结果不同。观看https://www.youtube.com/watch?v=wxGEEv7ibHE了解更多信息。

另一答案

          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