itextsharp，为什么GetSingleSpaceWidth（）在一个可见的空间时返回0？

大家好

这是一个与itextsharp版本5.5.13.1相关的问题。我正在使用自定义LocationTextExtractionStrategy实现从PDF文档中提取有意义的单词。我正在调用TextRenderInfo的方法GetSingleSpaceWidth，以确定何时 按照SFO链接将两个相邻的字符块连接成一个单词

这种方法通常效果良好。但是，如果您查看随附的文档，“信贷”和“扩展”这两个词给我带来了一些问题。 为什么屏幕截图中显示的所有字符都返回一个零值作为GetSingleSpaceWidth？这导致了一个问题。我的逻辑返回一个单词“CreditExtended”，而不是两个单独的单词

据我所知，itextsharp5不再受支持。如有任何建议，将不胜感激

示例文档

---

正如在评论中已经推测的，原因是所讨论的字体不包含规则空格标志符，或者更准确地说，没有将其标志符映射到其ToUnicode映射中的Unicode值U+0020

如果字体有ToUnicode映射，则iText仅使用该映射中的信息。因此，iText无法识别该字体中的空格图示符，因此它无法提供实际的

SingleSpaceWidth

值，而是返回0

---

所讨论的字体名为F5，并具有此ToUnicode映射：

/CIDInit/ProcSet findresource begin
14听写开始
开始地图
/CIDSystemInfo
>def
/CMapName/Adobe Identity UCS def
/CMapType 2 def
1 BeginDespacerange
endcodespacerange
4贝金布查尔
endbfchar
一开始
endbfrange
13贝金布查尔
endbfchar
五开始
[]
endbfrange
1贝金布查尔
endbfchar
endcmap
CMapName currentdict/CMap定义源pop
结束
结束

如您所见，没有到

的映射

---

顺便说一句，在这个PDF页面中使用字体非常有趣：

它的主体（大部分）是使用Calibri绘制的，但它使用了两个不同的PDF字体对象，F4，它使用了从字符32到122的WinAnSienceODing，即包括空格字形，和F5，它使用Identity-H，并提供上面引用的ToUnicode地图，不带空格图示符。分别绘制每个无间隙的最大字形序列；如果可以使用F4绘制整个序列，则使用该字体，否则使用F5

因此，

CMI

、

（Credit

）和

子索引

使用F4绘制，而

我已经

、

“Credit

和

Extended”

使用F5绘制

因此，在您的问题字符串

“Credit Extended”

中，我们看到使用F5绘制的两个连续序列。因此，对于

“Credit

t和

Extended”

这两个序列，您将得到一个0

单空格宽度

乍一看，这是使用F5的仅有的两个连续序列，因此您只有在那里才有这个问题


因此，对于两个连续字符都带有0
SingleSpaceWidth
，例如使用大约三分之一的字体大小的情况，您应该制定一个回退策略。
本周晚些时候，我将查看您的文件。一个可能的原因是所讨论的字体根本没有空格字形，并且“信用”和“扩展”之间的距离是通过显式移动文本插入点来实现的。感谢您的详细回答。再给我一个建议。如果我使用最新版本的itext（我相信是第7版）阅读同一文档我还需要实现你建议的逻辑吗？我想是的，但我不确定。我必须测试它。