Java PDFBox 2.0：旋转页面上的不可见线-剪辑路径问题

文件示例：

使用来自主题的优秀解决方案，我尝试提取可见文本。附件中的文本非常小，这可能会导致此剪辑路径问题，其中可能会隐藏部分字母。对于这样的旋转文本，我稍微更改了链接问题的代码：

    @Override
    protected void processTextPosition(TextPosition text) {
        PDGraphicsState gs = getGraphicsState();                            

        Vector center = getTextPositionCenterPoint(text);
        Area area = gs.getCurrentClippingPath();
        if (area == null || area.contains(lowerLeftX + center.getX(), lowerLeftY + center.getY())) {            
            nonStrokingColors.put(text, gs.getNonStrokingColor());
            renderingModes.put(text, gs.getTextState().getRenderingMode());
            super.processTextPosition(text);
        }
    }


private Vector getTextPositionCenterPoint(TextPosition text) {
        Matrix textMatrix = text.getTextMatrix();
        Vector start = textMatrix.transform(new Vector(0, 0));
        Vector center = null;
        switch (rotation) {
        case 0:
            center = new Vector(start.getX() + text.getWidth()/2, start.getY()); 
            break;
        case 90:
            center = new Vector(start.getX(), start.getY() + text.getWidth()/2);
            break;
        case 180:
            center = new Vector(start.getX() - text.getWidth()/2, start.getY());
            break;
        case 270:
            center = new Vector(start.getX(), start.getY() - text.getWidth()/2);
            break;
        default:
            center = new Vector(start.getX() + text.getWidth()/2, start.getY());
            break;
        }

        return center;
    }

我想做的是——根据旋转来获取角色的X中心点（我知道有时候这不起作用，因为文本方向，但是这里看起来不是这样） 但应用此解决方案后，由于剪辑路径的原因，我跳过了底部的第2行、第3行和其他一些行。 我想知道我的错误在哪里。

---

提前谢谢

您的PDF出现问题是由以下因素共同造成的

• 文本坐标正好位于剪辑路径边界上
• 文本坐标和剪辑路径坐标的不同计算路径具有不同的浮点错误，导致剪辑路径边界上的文本坐标有时被计算为剪辑路径之外的坐标

不幸的是，您试图更改这一点在这里没有帮助：问题文本的基线与剪辑路径边界重合，并且您的

getTextPositionCenterPoint

仅沿基线居中，因此居中点正好存在字形原点的问题

另一种变通方法效果更好：使用胖点比较。这意味着，我们不检查给定点x，y是否在剪辑区域，而是检查这些坐标周围的小矩形是否与剪辑区域相交。如果由于浮点错误导致坐标偏离剪裁区域，这足以在剪裁区域中找到它们

为此，我们用

contains（area，x，y）

替换

processTextPosition中的
area.contains（x，y）
检查

protected boolean contains(Area area, float x, float y) {
    double length = .0002;
    double up = 1.0001;
    double down = .9999;
    return area.intersects(x < 0 ? x*up : x*down, y < 0 ? y*up : y*down, Math.abs(x*length), Math.abs(y*length));
}

受保护的布尔包含（面积、浮点x、浮点y）{
双倍长度=.0002；
双向上=1.0001；
双向下=.9999；
返回区域.相交（x<0？x*向上：x*向下，y<0？y*向上：y*向下，Math.abs（x*长度），Math.abs（y*长度））；
}

（辅助方法）

（实际上，在这里选择围绕坐标的矩形有点随意，这个选择对我很有效。）

通过此更改，我在底部找到了您缺少的第2行、第3行和其他一些行，请参见测试。
PDF的问题是由以下因素组合造成的：


文本坐标正好位于剪辑路径边界上
文本坐标和剪辑路径坐标的不同计算路径具有不同的浮点错误，导致剪辑路径边界上的文本坐标有时被计算为剪辑路径之外的坐标

不幸的是，您试图更改这一点在这里没有帮助：问题文本的基线与剪辑路径边界重合，并且您的
getTextPositionCenterPoint
仅沿基线居中，因此居中点正好存在字形原点的问题

另一种变通方法效果更好：使用胖点比较。这意味着，我们不检查给定点x，y是否在剪辑区域，而是检查这些坐标周围的小矩形是否与剪辑区域相交。如果由于浮点错误导致坐标偏离剪裁区域，这足以在剪裁区域中找到它们

为此，我们用
contains（area，x，y）
替换
processTextPosition中的
area.contains（x，y）
检查

protected boolean contains(Area area, float x, float y) {
    double length = .0002;
    double up = 1.0001;
    double down = .9999;
    return area.intersects(x < 0 ? x*up : x*down, y < 0 ? y*up : y*down, Math.abs(x*length), Math.abs(y*length));
}

受保护的布尔包含（面积、浮点x、浮点y）{
双倍长度=.0002；
双向上=1.0001；
双向下=.9999；
返回区域.相交（x<0？x*向上：x*向下，y<0？y*向上：y*向下，Math.abs（x*长度），Math.abs（y*长度））；
}

（辅助方法）

（实际上，在这里选择围绕坐标的矩形有点随意，这个选择对我很有效。）

通过此更改，我在底部得到了缺少的第2行、第3行和其他一些行，请参见测试。
哦，我现在看到了，该区域.contains接受double，但是start.getX（）是float。。。谢谢你的解决方案！哦，我现在明白了，area.contains接受double，但是start.getX（）是float。。。谢谢你的解决方案！