如何使用pdfbox獲取字體顏色

Question

我正在嘗試使用 pdfbox 從 pdf 中提取包含所有信息的文本。 我得到了我想要的所有信息，除了顏色。 我嘗試了不同的方法來獲取字體顏色（包括使用 PDFBox 獲取文本顏色）。 但不工作。 現在我從 pdfBox 的 PageDrawer 類中復制了代碼。 但是RGB值也不正確。

protected void processTextPosition(TextPosition text) {

        Composite com;
        Color col;
        switch(this.getGraphicsState().getTextState().getRenderingMode()) {
        case PDTextState.RENDERING_MODE_FILL_TEXT:
            com = this.getGraphicsState().getNonStrokeJavaComposite();
            int r =       this.getGraphicsState().getNonStrokingColor().getJavaColor().getRed();
            int g = this.getGraphicsState().getNonStrokingColor().getJavaColor().getGreen();
            int b = this.getGraphicsState().getNonStrokingColor().getJavaColor().getBlue();
            int rgb = this.getGraphicsState().getNonStrokingColor().getJavaColor().getRGB();
            float []cosp = this.getGraphicsState().getNonStrokingColor().getColorSpaceValue();
            PDColorSpace pd = this.getGraphicsState().getNonStrokingColor().getColorSpace();
            break;
        case PDTextState.RENDERING_MODE_STROKE_TEXT:
            System.out.println(this.getGraphicsState().getStrokeJavaComposite().toString());
            System.out.println(this.getGraphicsState().getStrokingColor().getJavaColor().getRGB());
           break;
        case PDTextState.RENDERING_MODE_NEITHER_FILL_NOR_STROKE_TEXT:
            //basic support for text rendering mode "invisible"
            Color nsc = this.getGraphicsState().getStrokingColor().getJavaColor();
            float[] components = {Color.black.getRed(),Color.black.getGreen(),Color.black.getBlue()};
            Color  c1 = new Color(nsc.getColorSpace(),components,0f);
            System.out.println(this.getGraphicsState().getStrokeJavaComposite().toString());
            break;
        default:
            System.out.println(this.getGraphicsState().getNonStrokeJavaComposite().toString());
            System.out.println(this.getGraphicsState().getNonStrokingColor().getJavaColor().getRGB());
    }

我正在使用上面的代碼。 得到的值是 r = 0, g = 0, b = 0, 里面的 cosp 對象值為 [0.0], 里面的 pd 對象數組 = null 和 colorSpace = null。 並且 RGB 值始終為 -16777216。 請幫我。 提前致謝。

Answer 1

我嘗試了您發布的鏈接中的代碼，它對我有用。 我得到的顏色是 148.92、179.01001 和 214.965。 我希望我可以給你我的 PDF 來使用，也許如果我將它存儲在 SO 的外部？ 我的 PDF 使用了一種淡藍色，看起來很匹配。 它只是在 Word 2010 中創建並導出的一頁文本，沒有太強烈。

幾個建議......

1. 回想一下，返回的值是一個介於 0 和 1 之間的浮點數。如果一個值被意外地轉換為 int，那么當然這些值最終將包含幾乎所有的 0。鏈接到代碼乘以 255 以獲得 0 到 255 的范圍.
2. 正如評論者所說，PDF 文件最常見的顏色是黑色，即 0 0 0

這就是我現在能想到的全部，否則我有 pdfbox 和 fontbox 的 1.7.1 版本，就像我說的那樣，我幾乎遵循了您提供的鏈接。

編輯

根據我的評論，對於像color.pdf這樣的 pdf 文件，這里可能是一種微創方式？

在PDFStreamEngine.java中的processOperator方法中，可以在 try 塊內執行

if (operation.equals("RG")) {
   // stroking color space
   System.out.println(operation);
   System.out.println(arguments);
} else if (operation.equals("rg")) {
   // non-stroking color space
   System.out.println(operation);
   System.out.println(arguments);
} else if (operation.equals("BT")) {
   System.out.println(operation);    
} else if (operation.equals("ET")) {
   System.out.println(operation);           
}

這將顯示信息，然后由您根據需要處理每個部分的顏色信息。 這是在color.pdf運行時上述代碼輸出開頭的片段...

BT rG [COSInt(1), COSInt(0), CosInt(0)] RG [COSInt(1), COSInt(0), CosInt(0)] ET BT ET BT rG [COSFloat{0.573}, COSFloat{0.816}, COSFloat{0.314}] RG [COSFloat{0.573}, COSFloat{0.816}, COSFloat{0.314}] ET ......

您在上面的輸出中看到一個空的 BT ET 部分，這是一個標記為 DEVICEGRAY 的部分。 所有其他都為您提供 R、G 和 B 分量的 [0,1] 值

Answer 2

我也最終做了這樣的事情。 粘貼代碼如下，希望對大家有所幫助。

import java.io.IOException;
import java.util.List;
import org.apache.pdfbox.exceptions.COSVisitorException;
import org.apache.pdfbox.pdmodel.PDDocument;
import org.apache.pdfbox.pdmodel.PDPage;
import org.apache.pdfbox.pdmodel.edit.PDPageContentStream;
import org.apache.pdfbox.pdmodel.font.PDFont;
import org.apache.pdfbox.pdmodel.font.PDType1Font;
import org.apache.pdfbox.pdmodel.graphics.PDGraphicsState;
import org.apache.pdfbox.util.PDFTextStripper;
import org.apache.pdfbox.util.ResourceLoader;
import org.apache.pdfbox.util.TextPosition;

public class Parser extends PDFTextStripper {

public Parser() throws IOException {
    super(ResourceLoader.loadProperties(
            "org/apache/pdfbox/resources/PageDrawer.properties", true));
    super.setSortByPosition(true);
}

public void parse(String path) throws IOException{
    PDDocument doc = PDDocument.load(path);
    List<PDPage> pages = doc.getDocumentCatalog().getAllPages();
    for (PDPage page : pages) {
        this.processStream(page, page.getResources(), page.getContents().getStream());
    }
}

@Override
protected void processTextPosition(TextPosition text) {
    try {
        PDGraphicsState graphicsState = getGraphicsState();
        System.out.println("R = " + graphicsState.getNonStrokingColor().getJavaColor().getRed());
        System.out.println("G = " + graphicsState.getNonStrokingColor().getJavaColor().getGreen());
        System.out.println("B = " + graphicsState.getNonStrokingColor().getJavaColor().getBlue());
    }
    catch (IOException ioe) {}

}

public static void main(String[] args) throws IOException, COSVisitorException {
    Parser p = new Parser();
    p.parse("/Users/apple/Desktop/123.pdf");
}

}

Answer 3

我在我的一個維護程序中找到了一些代碼。
我不知道它是否適合您，請嘗試一下。 另請查看此鏈接http://pdfbox.apache.org/apidocs/org/apache/pdfbox/pdmodel/common/class-use/PDStream.html

它可能會幫助你

PDDocument doc = null;
try {
    doc = PDDocument.load("C:/Path/To/Pdf/Sample.pdf");
    PDFStreamEngine engine = new PDFStreamEngine(ResourceLoader.loadProperties("org/apache/pdfbox/resources/PageDrawer.properties"));
    PDPage page = (PDPage)doc.getDocumentCatalog().getAllPages().get(0);
    engine.processStream(page, page.findResources(), page.getContents().getStream());
    PDGraphicsState graphicState = engine.getGraphicsState();
    System.out.println(graphicState.getStrokingColor().getColorSpace().getName());
    float colorSpaceValues[] = graphicState.getStrokingColor().getColorSpaceValue();
    for (float c : colorSpaceValues) {
        System.out.println(c * 255);
    }
}
finally {
    if (doc != null) {
        doc.close();
    }

Answer 4

對於 pdfbox 版本 2.0+，有必要在覆蓋的 PDFTextStripper 的構造函數中選擇這些運算符：

addOperator(new SetStrokingColorSpace());
addOperator(new SetNonStrokingColorSpace());
addOperator(new SetStrokingDeviceCMYKColor());
addOperator(new SetNonStrokingDeviceCMYKColor());
addOperator(new SetNonStrokingDeviceRGBColor());
addOperator(new SetStrokingDeviceRGBColor());
addOperator(new SetNonStrokingDeviceGrayColor());
addOperator(new SetStrokingDeviceGrayColor());
addOperator(new SetStrokingColor());
addOperator(new SetStrokingColorN());
addOperator(new SetNonStrokingColor());
addOperator(new SetNonStrokingColorN());

只有這樣 getGraphicsState() 才會返回正確的信息。

見https://pdfbox.apache.org/2.0/migration.html

Answer 5

這是PdfBox - 如何從文本加載顏色，它應該能夠用比這些其他答案更簡單的解決方案來回答您的問題:)。