PDF itext TOC代

Question

我必须将多个PDF文档合并到一个PDF文档中。除此之外，我必须生成TOC。原始文档将包含具有特定样式的文本（如H1）。这个特殊文本成为TOC的一部分。

已使用iText合并多个PDF文件。我无法找到上的示例/ API解析文档以查找所有具有H1样式的内容。 生成TOC是下一个挑战。

Answer 1

你不知道。 PDF文件没有样式。他们有“当前图形状态”，其中包括：

• 当前转换矩阵（CTM）。
• 行程&填充颜色
• 剪辑路径
• 字体大小&
• 采空区的其他文本状态的东西（字符间距，字间距，行距，文本渲染模式...）
• • 包括与CTM结合的单独的文本转换矩阵。

所以首先你必须追踪所有这些东西（这iText的能为你主要是做）。然后，您必须确定“H1”文本有多大，并锁定所有尺寸为屏幕大小的文本，并考虑CTM，文本矩阵和字体大小（iText会再次为您提供帮助，IIRC ）。

只是为了让生活更加激动人心，像你自己一样，你看的文本完全可能不是文本。它可能是路径或位图......在这一点上你需要OCR，而且我认为你不会在OCR的大小信息方面获得太多。

您需要编写一个TextRenderListener来确定给定文本的最终大小（以及它是否是最后一部分的最后一部分）并过滤掉所有太小的东西。然后，您将根据您找到的文本构建您的TOC。