C# 如何从PDF中获取文本的字体名称?
我期待着提取PDF文件中的文本所有不同的字体名称。我正在使用iTextSharp DLL,下面是我的代码C# 如何从PDF中获取文本的字体名称?,c#,itextsharp,C#,Itextsharp,我期待着提取PDF文件中的文本所有不同的字体名称。我正在使用iTextSharp DLL,下面是我的代码 using System; using System.Collections.Generic; using System.Linq; using System.Text; using System.Threading.Tasks; using iTextSharp.text.pdf.parser; using iTextSharp.text.pdf; namespace GetFontNa
using System;
using System.Collections.Generic;
using System.Linq;
using System.Text;
using System.Threading.Tasks;
using iTextSharp.text.pdf.parser;
using iTextSharp.text.pdf;
namespace GetFontName
{
class Program
{
static void Main(string[] args)
{
PdfReader reader = new PdfReader("C:/Users/agnihotri/Downloads/Test.pdf");
HashSet<String> names = new HashSet<string>();
PdfDictionary resources;
for (int p = 1; p <= reader.NumberOfPages; p++)
{
PdfDictionary dic = reader.GetPageN(p);
resources = dic.GetAsDict(PdfName.RESOURCES);
if (resources != null)
{
//gets fonts dictionary
PdfDictionary fonts = resources.GetAsDict(PdfName.FONT);
if (fonts != null)
{
PdfDictionary font;
foreach (PdfName key in fonts.Keys)
{
font = fonts.GetAsDict(key);
string name = font.GetAsName(iTextSharp.text.pdf.PdfName.BASEFONT).ToString();
//check for prefix subsetted font
if (name.Length > 8 && name.ToCharArray()[7] == '+')
{
name = String.Format("%s subset (%s)", name.Substring(8), name.Substring(1, 7));
}
else
{
//get type of fully embedded fonts
name = name.Substring(1);
PdfDictionary desc = font.GetAsDict(PdfName.FONTDESCRIPTOR);
if (desc == null)
name += "no font descriptor";
else if (desc.Get(PdfName.FONTFILE) != null)
name += "(Type1) embedded";
else if (desc.Get(PdfName.FONTFILE2) != null)
name += "(TrueType) embedded ";
else if (desc.Get(PdfName.FONTFILE3) != null)
name += name;//("+font.GetASName(PdfName.SUBTYPE).ToString().SubSTring(1)+")embedded';
}
names.Add(name);
}
}
}
}
var collections = from name in names
select name;
foreach (string fname in collections)
{
Console.WriteLine(fname);
}
Console.Read();
}
}
}
我得到的输出是每个pdf文件的无字形字体,没有字体描述符作为输入。输入文件的链接如下所示:
我已经在AdobeAcrobat中打开了您的PDF,并查看了字体面板。这就是我看到的: 您有一个LiberationMono的嵌入式子集,这意味着字体的名称将以ABCDEF+LiberationMono的形式存储在文件中,其中ABCDEF是一系列6个随机但唯一的字符,因为字体是subsetter。看
现在让我们看看在ITEXRUPS中打开的同一个文件:
我们找到/Font对象,它有一个/FontDescriptor。在/FontDescriptor中,我们找到了我们期望的格式的/FontName:BAAAAA+LiberationMono现在您知道了在哪里查找该名称,您可以修改代码。我已经在Adobe Acrobat中打开了您的PDF,并查看了字体面板。这就是我看到的: 您有一个LiberationMono的嵌入式子集,这意味着字体的名称将以ABCDEF+LiberationMono的形式存储在文件中,其中ABCDEF是一系列6个随机但唯一的字符,因为字体是subsetter。看
现在让我们看看在ITEXRUPS中打开的同一个文件:
我们找到/Font对象,它有一个/FontDescriptor。在/FontDescriptor中,我们找到了我们期望的格式的/FontName:BAAAAA+LiberationMono现在,您知道了在哪里查找该名称,您可以调整代码。运行代码时,只需对输出进行最小的更改
%s subset (%s)
实际上%s看起来像Java格式字符串,而不是.Net格式字符串。使用更多.Net格式字符串{0}子集{1}我得到
我建议你用反斜杠和。。。字符串形式,而不是文件路径中的斜杠,例如
PdfReader reader = new PdfReader(@"C:\Users\agnihotri\Downloads\Test.pdf");
在您提供的所有文件都命名为Hello_World.pdf之后,请仔细检查文件名和路径。运行您的代码时,只需对输出进行最小的更改
%s subset (%s)
实际上%s看起来像Java格式字符串,而不是.Net格式字符串。使用更多.Net格式字符串{0}子集{1}我得到
我建议你用反斜杠和。。。字符串形式,而不是文件路径中的斜杠,例如
PdfReader reader = new PdfReader(@"C:\Users\agnihotri\Downloads\Test.pdf");
并在您提供的所有文件名为Hello_World.pdf后再次检查文件名和路径。PdfReader reader=new PdfReaderC:/Users/agnihotri/Downloads/Test.pdf;-仔细检查文件的路径,这可能是问题所在,因为代码似乎没有问题。另外,如果尝试从internet复制粘贴的脚本以查看它们是否实际工作,我强烈建议添加一些调试。PdfReader reader=new PdfReaderC:/Users/agnihotri/Downloads/Test.pdf;-仔细检查文件的路径,这可能是问题所在,因为代码似乎没有问题。另外,如果尝试从internet复制粘贴的脚本,我强烈建议添加一些调试,以查看它们是否实际工作。感谢您的澄清…请介意帮助我编写代码。我只是个新手c@Rahul,不要在这个紧要关头放弃!一旦你有了这样有用的提示,请尝试应用它-这是一个很好的实践。不确定我是否正确……因为我得到了提示:font.GetAsDictPdfName.FontDescriptor.FontName;如果desc==空名称+=无字体描述符;如果desc.GetPdfName.FontName!=空名称+=嵌入的类型1;如果desc.GetPdfName.FontName!=空名称+=嵌入的TrueType;如果desc.GetPdfName.FontName!=请让我知道谢谢你的澄清…请帮我写代码。我只是个新手c@Rahul,不要在这个紧要关头放弃!一旦你有了这样有用的提示,请尝试应用它-这是一个很好的实践。不确定我是否正确……因为我得到了提示:font.GetAsDictPdfName.FontDescriptor.FontName;如果desc==空名称+=无字体描述符;如果desc.GetPdfName.FontName!=空名称+=嵌入的类型1;如果desc.GetPdfName.FontName!=空名称+=嵌入的TrueType;如果desc.GetPdfName.FontName!=请让我知道谢谢大家的建议和帮助。我已经能够通过对代码的任何更改来解决这个问题。唯一需要做的就是使用iTextSharp 5.5.9 dll和rest,一切正常。这可以标记为closed@RahulAgnihotri唯一需要做的是使用iTextSharp 5.5.9 dll-Hhmmm,因为您没有提到您使用的版本,您给人的印象是您一直在使用现在的版本。。。这可以标记为关闭-您可以自己完成:创建一个答案,其中包含原因,与使用的旧iTextSharp版本类似,在当前的5.5.9中运行良好,并将该答案标记为已接受,单击左上角的勾号。将自己的答案标记为接受
ed可能不会马上完成,但几个小时后肯定可以。谢谢大家的建议和帮助。我已经能够通过对代码的任何更改来解决这个问题。唯一需要做的就是使用iTextSharp 5.5.9 dll和rest,一切正常。这可以标记为closed@RahulAgnihotri唯一需要做的是使用iTextSharp 5.5.9 dll-Hhmmm,因为您没有提到您使用的版本,您给人的印象是您一直在使用现在的版本。。。这可以标记为关闭-您可以自己完成:创建一个答案,其中包含原因,与使用的旧iTextSharp版本类似,在当前的5.5.9中运行良好,并将该答案标记为已接受,单击左上角的勾号。将自己的答案标记为已接受可能无法立即实现,但几小时后肯定可以。