iText - получить размер шрифта и семейство текстового сегмента

Question

В настоящее время я пытаюсь автоматически извлечь важные ключевые слова из файла PDF. Я могу получить текстовую информацию из документа PDF. Но теперь мне нужно знать, какой размер шрифта и семейство шрифтов имеют эти ключевые слова.

Следующий код у меня уже есть:

Главный

public static void main(String[] args) throws IOException {
    String src = "SEM_081145.pdf";

    PdfReader reader = new PdfReader(src);

    SemTextExtractionStrategy semTextExtractionStrategy = new SemTextExtractionStrategy();

    PrintWriter out = new PrintWriter(new FileOutputStream(src + ".txt"));
    Rectangle rect = new Rectangle(70, 80, 490, 580);
    RenderFilter filter = new RegionTextRenderFilter(rect);

    for (int i = 1; i <= reader.getNumberOfPages(); i++) {
        // strategy = new FilteredTextRenderListener(new LocationTextExtractionStrategy(), filter);
        out.println(PdfTextExtractor.getTextFromPage(reader, i, semTextExtractionStrategy));
    }
    out.flush();
    out.close();
}

И я реализовал Стратегию TextExtraction SemTextExtractionStrategy который выглядит так:

public class SemTextExtractionStrategy implements TextExtractionStrategy {

private String text;

@Override
public void beginTextBlock() {
}

@Override
public void renderText(TextRenderInfo renderInfo) {
    text = renderInfo.getText();

    System.out.println(renderInfo.getFont().getFontType());

    System.out.print(text);
}

@Override
public void endTextBlock() {
}

@Override
public void renderImage(ImageRenderInfo renderInfo) {
}

@Override
public String getResultantText() {
    return text;
}
}

Я могу получить FontType, но нет способа получить размер шрифта. Есть ли другой способ или как я могу получить размер шрифта текущего сегмента текста?

Или есть какие-нибудь другие библиотеки, которые могут извлечь размер шрифта из TextSegments? Я уже заглянул в PDFBox и PDFTextStream. PDF Shareware Library от Aspose отлично справится с этой задачей. Но это очень дорого, и мне нужно использовать проект с открытым исходным кодом.

Answer 1

Вы можете адаптировать код, приведенный в этом ответе, в частности этот фрагмент кода:

Vector curBaseline = renderInfo.GetBaseline().GetStartPoint();
Vector topRight = renderInfo.GetAscentLine().GetEndPoint();
iTextSharp.text.Rectangle rect = new iTextSharp.text.Rectangle(curBaseline[Vector.I1], curBaseline[Vector.I2], topRight[Vector.I1], topRight[Vector.I2]);
Single curFontSize = rect.Height;

Этот ответ в C#, но API настолько похож, что преобразование в Java должно быть простым.

Answer 2

Благодаря Алексису я смог преобразовать его решение C# в код Java:

text = renderInfo.getText();

Vector curBaseline = renderInfo.getBaseline().getStartPoint();
Vector topRight = renderInfo.getAscentLine().getEndPoint();

Rectangle rect = new Rectangle(curBaseline.get(0), curBaseline.get(1), topRight.get(0), topRight.get(1));
float curFontSize = rect.getHeight();

Answer 3

У меня возникли некоторые проблемы с использованием решения Алексис и Прине, поскольку оно неправильно обрабатывает повернутый текст. Вот что я делаю (извините, в Scala):

val x0 = info.getAscentLine.getEndPoint
val x1 = info.getBaseline.getStartPoint
val x2 = info.getBaseline.getEndPoint
val length1 = (x2.subtract(x1)).cross((x1.subtract(x0))).lengthSquared
val length2 = x2.subtract(x1).lengthSquared
(length1, length2) match {
  case (0, 0) => 0
  case _ => length1 / length2
}

Answer 4

Если вы хотите точный размер шрифта, используйте следующий код в вашем renderText:

float fontsize = renderInfo.getAscentLine().getStartPoint().get(1)
     - renderInfo.getDescentLine().getStartPoint().get(1);

Измените это, как указано в других ответах для повернутого текста.