区分 PDF 文件中的空白页 VS X 跨页使用 iText7 C#

Question

我正在使用 IText7 将 PDF 文档拆分为多个 PDF 文档。 例如，我有一个包含多个页面组合的 PDF 文档。

• 第 1 页 - 带有 X 十字符号的页面
• 第 2 页 - 空白页
• 第 3 页 - 带文字的页面
• 第 4 页 - 带有 X-Cross 符号的页面
• 第 5 页 - 空白页
• 第 6 页 - 带文字的页面
• 第 7 页 - 带有 X-Cross 符号的页面

当我尝试阅读页面详细信息的文本时，第 1 页和第 2 页都将文本返回为空。

我的问题是：如何确定空白页和带有 X-Cross 符号的页面？ 任何帮助将不胜感激。

Answer 1

在评论中，您解释说X-Cross 符号实际上是bitmap 图像。 因此，要检查页面上是否有这样的符号，您必须应用bitmap 图像提取，而不是文本提取。 关于堆栈溢出时的 bitmap 图像提取有许多问题和答案，例如 iText 7 开发团队的 Alexey Subach 的回答。

如果幸运的话，空白页确实是空白的（并且不包含例如纯白色或纯透明 bitmap 图像）。 在这种情况下，您只需要检查页面是否有（a）任何文本（您已经检查过）以及是否有（b）任何 bitmap：

• 如果两者都没有，则为Blank Page 。
• 如果它只有一个图像，它是一个带有 X-Cross 符号的页面。
• 如果它有文本，则它是一个带有 Text 的页面。

如果事情更复杂，您将不得不更仔细地查看，例如分析在页面上找到的位图。 如果所有这些 X-Cross 符号位图都相同，您可以将找到的 bitmap 图像与您首先提取的示例进行比较。