C# 提取PDF中指定文本、图片的坐标

  • C# 提取PDF中指定文本、图片的坐标已关闭评论
  • 45 次浏览
  • A+
所属分类:.NET技术
摘要

获取PDF文件中文字或图片的坐标可以实现精确定位,这对于快速提取指定区域的元素,以及在PDF中添加注释、标记或自动盖章等操作非常有用。本文将详解如何使用国产PDF库通过C# 提取PDF中指定文本或图片的坐标位置(X, Y轴)。

获取PDF文件中文字或图片的坐标可以实现精确定位,这对于快速提取指定区域的元素,以及在PDF中添加注释、标记或自动盖章等操作非常有用。本文将详解如何使用国产PDF库通过C# 提取PDF中指定文本或图片的坐标位置(X, Y轴)。

✍ 用于操作PDF文件的第三方库为Spire.PDF for .NET。可以下载产品包后手动安装或者直接通用Nuget安装。

开始前我们首先了解该库关于PDF中坐标系的一些信息:

Spire.PDF for .NET使用 PdfPageBase 类表示PDF页面,由内容区域和四周的页边距组成。页面上坐标系的原点位于内容区域的左上角,x 轴从原点开始水平向右延伸,y 轴从原点开始垂直向下延伸 (如下图所示)。
C# 提取PDF中指定文本、图片的坐标

通过指定坐标XY轴,我们可以在PDF页面指定位置处绘制文本图片表格等元素。当然Spire.PDF for .NET也提供了相应的接口来帮助大家获取已有PDF文件中指定文本或图片的坐标信息。具体操作如下。

C# 获取 PDF 中指定文本的坐标

要指定文本的坐标,主要分为两步实现:

  1. 首先需要使用 PdfTextFinder.Find() 方法查找PDF文件中所有指定文本;
  2. 查找到文本后,再通过 PdfTextFragment.Positions 属性进一步获取其 (X, Y) 坐标信息。

代码:

using Spire.Pdf; using Spire.Pdf.Texts; using System.Drawing;   namespace GetCoordinatesOfText {     class Program     {         static void Main(string[] args)         {             //创建PdfDocument对象             PdfDocument pdf = new PdfDocument();               //加载PDF文件             pdf.LoadFromFile("大数据.pdf");               //遍历所有页面             foreach (PdfPageBase page in pdf.Pages)             {                 //创建PdfTextFinder对象                 PdfTextFinder finder = new PdfTextFinder(page);                   //设置查找选项                 PdfTextFindOptions options = new PdfTextFindOptions();                 options.Parameter = TextFindParameter.IgnoreCase;                 finder.Options = options;                   //查找页面中所有指定文本                 List<PdfTextFragment> fragments = finder.Find("海量");                   //遍历所有查找的文本                 foreach (PdfTextFragment fragment in fragments)                 {                     //获取文本的坐标信息                     PointF found = fragment.Positions[0];                     Console.WriteLine(found);                 }             }         }     } }

 

C# 获取 PDF 中指定图片的坐标

与获取文字坐标类似,获取图片坐标主要也分为两步:

  1. 首先使用 PdfImageHelper.GetImagesInfo() 方法获取某个PDF页面中所有图片信息;
  2. 获取图片后,再通过 PdfImageInfo.Bounds 属性获取其 (X, Y) 坐标信息。

代码:

using Spire.Pdf; using Spire.Pdf.Utilities; using System;   namespace GetCoordinatesOfImage {     class Program     {         static void Main(string[] args)         {             //创建PdfDocument对象             PdfDocument pdf = new PdfDocument();               //加载PDF文件             pdf.LoadFromFile("大数据.pdf");               //获取指定页面             PdfPageBase page = pdf.Pages[0];               //创建PdfImageHelper对象             PdfImageHelper helper = new PdfImageHelper();               //获取页面中的图片信息             PdfImageInfo[] images = helper.GetImagesInfo(page);               //获取第一张图片的 X、Y 坐标             float xPos = images[0].Bounds.X;             float yPos = images[0].Bounds.Y;             Console.WriteLine("图片坐标为({0},{1})", xPos, yPos);         }     } }

加载的示例文档:

C# 提取PDF中指定文本、图片的坐标

 

获取PDF中文字坐标的返回结果:

C# 提取PDF中指定文本、图片的坐标

 

获取PDF中图片坐标的返回结果:

C# 提取PDF中指定文本、图片的坐标

 

相关推荐阅读:

C# 提取 PDF 文档中的文本

C# 提取PDF中的图片

C# 查找并高亮PDF中的指定文本

Spire.PDF for .NET库的API文档