Pdf iTextSharp-文本位置不正确

提取本例中单词的位置时： 使用iTextSharp 5.5.8

有些单词的坐标不正确。例如，第一段第17行：“gehen oder im Widerspruch zur Reiseaus-” 单词左上方的x值为118217296350524587。只有第一个值看起来是正确的（118208277320487540）。“gehen”和“order”之间空格字符右底点的x值为208，这似乎是正确的，而且似乎也是单词“order”的正确x位置。也许这与段落的填充模式有关，但我不确定应该执行哪些操作来获得正确的坐标

我正在使用LocationTextExtractionsStrategy并计算单词在300 dpi坐标系下的位置

      public override void RenderText(TextRenderInfo renderInfo)
      {
           // for the provided example
           // uUnit = 1
           // originX = 33.862
           // originY = 33.555 
           // dpi = 300

           // above values where calculated with code:
           // PdfNumber userUnit = pageDict.GetAsNumber(PdfName.USERUNIT);
           // if (userUnit != null)
           // {
           //    uUnit = userUnit.FloatValue;
           // }
           // Rectangle dim = reader.GetPageSize(i);
           // float originX = dim.Left;
           // float originY = dim.Bottom;


           // calculate coordinates:
           renderInfo.GetText();
           LineSegment segment = renderInfo.GetBaseline();
           List<TextRenderInfo> charInfo = renderInfo.GetCharacterRenderInfos().ToList();

           foreach (TextRenderInfo item in charInfo)
           {
              LineSegment char_segment = item.GetBaseline();

              int char_left = (int)Math.Round((char_segment.GetStartPoint()[0] - originX) * dpi * uUnit / 72.0f);
              int char_top = (int)Math.Round((item.GetAscentLine().GetEndPoint()[1] - originY) * dpi * uUnit / 72.0f);
              int char_right = (int)Math.Round((char_segment.GetEndPoint()[0] - originX) * dpi * uUnit / 72.0f);
              int char_bottom = (int)Math.Round((item.GetDescentLine().GetStartPoint()[1] - originY) * dpi * uUnit / 72.0f);
           }
     }

public覆盖void RenderText（TextRenderInfo renderInfo）
{
//对于提供的示例
//uUnit=1
//originX=33.862
//原始值=33.555
//dpi=300
//上述值（使用代码计算时）：
//pdfnumberuserunit=pageDict.GetAsNumber（PdfName.userUnit）；
//if（userUnit！=null）
// {
//uUnit=userUnit.FloatValue；
// }
//矩形尺寸=读卡器.GetPageSize（i）；
//浮动原点=尺寸左侧；
//浮动原点=暗底；
//计算坐标：
renderInfo.GetText（）；
LineSegment段=renderInfo.GetBaseline（）；
List charInfo=renderInfo.GetCharacterRenderInfos（）.ToList（）；
foreach（charInfo中的TextRenderInfo项）
{
LineSegment char_segment=item.GetBaseline（）；
int char_left=（int）Math.Round（（char_segment.GetStartPoint（）[0]-originX）*dpi*uUnit/72.0f）；
int char_top=（int）Math.Round（（item.GetAscentLine（）.GetEndPoint（）[1]-原始）*dpi*uUnit/72.0f）；
int char_right=（int）Math.Round（（char_segment.GetEndPoint（）[0]-originX）*dpi*uUnit/72.0f）；
int char_bottom=（int）Math.Round（（item.GetDescentLine（）.GetStartPoint（）[1]-原始）*dpi*uUnit/72.0f）；
}
}

这确实是iText&iTextSharp中的一个bug：

x坐标极不准确的行是那些设置了较大字间距值的行，例如，您的行：

0.2861 Tw T*
[<0047004500480045004E0000>-286<004F0044004500520000>-286<0049004D0000>-231<003700490044004500520053005000520055004300480000>-286<005A005500520000>-286<00320045004900530045004100550053000D>]TJ 

0.2861太瓦*
[-286-286-231-286-286]TJ

（Tw的

0.2861

参数很大。）

根据所讨论字体的ToUnicode映射，每个单词末尾的

0000

映射到空格字符。因此，iText在计算x坐标时添加单词间距值，因为根据PDF规范：

字间距的工作方式与字符间距相同，但仅适用于ASCII空格字符

（第9.3.3节单词间距的第一句）

不幸的是，它没有考虑到

使用时，应将字间距应用于字符串中出现的每个单字节字符代码32 将代码32定义为单字节代码的简单字体或复合字体。本条不适用于以下情况： 多字节代码中的字节值32

（第9.3.3节单词间距的最后一句）

因此，在上面的

0000

处，即使已映射到空格字符，也不能应用单词间距，因为

讨论中的字体编码纯粹是多字节和

即使是单字节编码的空格字符，单词间距也仅适用于单字节代码32，而不适用于仅使用ASCII代码32映射到空格字符的代码

---

通常这在文本提取期间不是问题，通常使用多字节编码对空格字符进行编码的PDF生成器知道单词间距不适用于这些字符，因此不会将单词间距从默认的0值更改为0，因此此处的iText错误不会造成伤害。字间距指令的使用通常表明使用的字体将单字节代码32映射到空格字符

另一方面，您的PDF文件似乎并没有考虑到这一事实，它看起来像是首先设置了单词间距（

0.2861 Tw

），并且在认识到它没有任何区别后，添加了明确的间距（

-286

在

TJ

指令中）。（或者这是PDF生成器开发历史的一部分。）

请注意，TJ参数中的正值表示向左移动，因此负值（如上文

-286

所述）确实会扩大或增加间隙：

数组TJ显示一个或多个文本字符串，允许单个字形定位。数组的每个元素应为字符串或数字。如果元素是字符串，则该运算符应显示该字符串。如果是一个数字，操作员应按该数值调整文本位置；也就是说，它应翻译文本矩阵Tm。数字应以文本空间单位的千分之一表示（见9.4.4，“文本空间详细信息”）。根据书写模式，应从当前水平或垂直坐标中减去该量。在默认坐标系中，正调整的效果是将绘制的下一个图示符向左或向下移动给定的量。图46显示了将偏移传递到TJ的效果示例

（表109–显示中运算符的文本）

---

你误解了负值：它们确实扩大了间距。如上所述，单词间距根本不适用于任何地方，因为我们有严格的两字节编码，所以没有单字节32编码一个空格。