- android - 多次调用 OnPrimaryClipChangedListener
- android - 无法更新 RecyclerView 中的 TextView 字段
- android.database.CursorIndexOutOfBoundsException : Index 0 requested, 光标大小为 0
- android - 使用 AppCompat 时,我们是否需要明确指定其 UI 组件(Spinner、EditText)颜色
我正在尝试使用 iTextSharp 从 PDF 文档中提取文本。在下面的示例中,我感兴趣的文本出现在“简介”标题下方:
我有数百个包含此“简介”页面的 PDF 文档,通常位于文档的第五页或第六页。段落始终以首字母开头,例如示例中“Physical”中的大 P。
在以下代码中,我扫描文档以找到以文本“简介”开头的页面,然后提取文本直到下一个标题(“第 1 章”):
private static string GetIntroductionText( string filePath )
{
using ( var reader = new PdfReader( filePath ) )
{
var appending = false;
var introText = new StringBuilder();
for ( var i = 1; i <= reader.NumberOfPages; i++ )
{
var pageText = PdfTextExtractor.GetTextFromPage( reader, i );
if ( pageText.Trim().StartsWith( "Introduction" ) )
{
appending = true;
}
if ( pageText.Trim().StartsWith( "Chapter" ) )
{
break;
}
if ( appending )
{
introText.Append( pageText );
}
}
return introText.ToString();
}
}
问题是它不提取首字母,即“Physical”中的 P。所以文本是:
hysical reality is consistent with universal laws. Where the laws do not operate, there is no reality. All of this...is unreal.
如何获取文本开头的首字母?
我认为它可能涉及像这样使用 LocationTextExtractionStrategy
:
var pageText = PdfTextExtractor.GetTextFromPage( reader, i, new LocationTextExtractionStrategy() );
不幸的是,这产生了相同的结果。
最佳答案
作为记录,这是我在查看 iText 源代码(特别是 LocationTextExtractionStrategy class )后解决此问题的方法。请记住,(0, 0) 坐标位于页面的左下角,而不是左上角。
public class ChunkExtractionStrategy : ITextExtractionStrategy
{
public List<Chunk> Chunks = new List<Chunk>();
public void BeginTextBlock()
{}
public void EndTextBlock()
{}
public string GetResultantText()
{
var text = new StringBuilder();
Chunks.Sort();
Chunk prevChunk = null;
foreach ( var chunk in Chunks )
{
if ( prevChunk == null && string.IsNullOrWhiteSpace( chunk.Text ) )
{
// blank space at beginning of page
continue;
}
if ( prevChunk != null && !chunk.SameLine( prevChunk, 20 ) )
{
text.Append( "\n\n" );
}
text.Append( chunk.Text );
prevChunk = chunk;
}
return text.ToString();
}
public void RenderImage( ImageRenderInfo renderInfo )
{}
public void RenderText( TextRenderInfo renderInfo )
{
Chunks.Add( new Chunk
{
TopLeft = renderInfo.GetAscentLine().GetStartPoint(),
BottomRight = renderInfo.GetDescentLine().GetEndPoint(),
Text = renderInfo.GetText(),
} );
}
public class Chunk : IComparable<Chunk>
{
public Vector TopLeft { get; set; }
public Vector BottomRight { get; set; }
public string Text { get; set; }
public int CompareTo( Chunk other )
{
var y1 = (int)Math.Round( TopLeft[1] );
var y2 = (int)Math.Round( other.TopLeft[1] );
if ( y1 < y2 )
{
return 1;
}
if ( y1 > y2 )
{
return -1;
}
var x1 = (int)Math.Round( TopLeft[0] );
var x2 = (int)Math.Round( other.TopLeft[0] );
if ( x1 < x2 )
{
return -1;
}
if ( x1 > x2 )
{
return 1;
}
return 0;
}
public bool SameLine( Chunk other, int maxDiff = 0 )
{
var diff = Math.Abs( TopLeft[1] - other.TopLeft[1] );
return diff <= maxDiff;
}
}
}
起初,我尝试了类似于 this answer 的东西.但后来我发现自己覆盖了类中的所有内容,因此创建一个新的实现更有意义。
关于c# - 我怎样才能得到段落开头的首字母?,我们在Stack Overflow上找到一个类似的问题: https://stackoverflow.com/questions/27871224/
#include using namespace std; class C{ private: int value; public: C(){ value = 0;
这个问题已经有答案了: What is the difference between char a[] = ?string?; and char *p = ?string?;? (8 个回答) 已关闭
关闭。此题需要details or clarity 。目前不接受答案。 想要改进这个问题吗?通过 editing this post 添加详细信息并澄清问题. 已关闭 7 年前。 此帖子已于 8 个月
除了调试之外,是否有任何针对 c、c++ 或 c# 的测试工具,其工作原理类似于将独立函数复制粘贴到某个文本框,然后在其他文本框中输入参数? 最佳答案 也许您会考虑单元测试。我推荐你谷歌测试和谷歌模拟
我想在第二台显示器中移动一个窗口 (HWND)。问题是我尝试了很多方法,例如将分辨率加倍或输入负值,但它永远无法将窗口放在我的第二台显示器上。 关于如何在 C/C++/c# 中执行此操作的任何线索 最
我正在寻找 C/C++/C## 中不同类型 DES 的现有实现。我的运行平台是Windows XP/Vista/7。 我正在尝试编写一个 C# 程序,它将使用 DES 算法进行加密和解密。我需要一些实
很难说出这里要问什么。这个问题模棱两可、含糊不清、不完整、过于宽泛或夸夸其谈,无法以目前的形式得到合理的回答。如需帮助澄清此问题以便重新打开,visit the help center . 关闭 1
有没有办法强制将另一个 窗口置于顶部? 不是应用程序的窗口,而是另一个已经在系统上运行的窗口。 (Windows, C/C++/C#) 最佳答案 SetWindowPos(that_window_ha
假设您可以在 C/C++ 或 Csharp 之间做出选择,并且您打算在 Windows 和 Linux 服务器上运行同一服务器的多个实例,那么构建套接字服务器应用程序的最明智选择是什么? 最佳答案 如
你们能告诉我它们之间的区别吗? 顺便问一下,有什么叫C++库或C库的吗? 最佳答案 C++ 标准库 和 C 标准库 是 C++ 和 C 标准定义的库,提供给 C++ 和 C 程序使用。那是那些词的共同
下面的测试代码,我将输出信息放在注释中。我使用的是 gcc 4.8.5 和 Centos 7.2。 #include #include class C { public:
很难说出这里问的是什么。这个问题是含糊的、模糊的、不完整的、过于宽泛的或修辞性的,无法以目前的形式得到合理的回答。如需帮助澄清此问题以便重新打开它,visit the help center 。 已关
我的客户将使用名为 annoucement 的结构/类与客户通信。我想我会用 C++ 编写服务器。会有很多不同的类继承annoucement。我的问题是通过网络将这些类发送给客户端 我想也许我应该使用
我在 C# 中有以下函数: public Matrix ConcatDescriptors(IList> descriptors) { int cols = descriptors[0].Co
我有一个项目要编写一个函数来对某些数据执行某些操作。我可以用 C/C++ 编写代码,但我不想与雇主共享该函数的代码。相反,我只想让他有权在他自己的代码中调用该函数。是否可以?我想到了这两种方法 - 在
我使用的是编写糟糕的第 3 方 (C/C++) Api。我从托管代码(C++/CLI)中使用它。有时会出现“访问冲突错误”。这使整个应用程序崩溃。我知道我无法处理这些错误[如果指针访问非法内存位置等,
关闭。这个问题不符合Stack Overflow guidelines .它目前不接受答案。 我们不允许提问寻求书籍、工具、软件库等的推荐。您可以编辑问题,以便用事实和引用来回答。 关闭 7 年前。
已关闭。此问题不符合Stack Overflow guidelines 。目前不接受答案。 要求我们推荐或查找工具、库或最喜欢的场外资源的问题对于 Stack Overflow 来说是偏离主题的,因为
我有一些 C 代码,将使用 P/Invoke 从 C# 调用。我正在尝试为这个 C 函数定义一个 C# 等效项。 SomeData* DoSomething(); struct SomeData {
这个问题已经有答案了: Why are these constructs using pre and post-increment undefined behavior? (14 个回答) 已关闭 6
我是一名优秀的程序员,十分优秀!