perl - 如何使用 CAM::PDF 获取 PDF 页面中文本字符串的文本方向？

Question

我正在使用 CAM::PDF，我想了解如何获取文本字符串的方向。

谢谢

Answer 1

有点相关的问题:How can I get the page orientation of a PDF page?和 How do I get character offset information from a pdf document?

从后一个问题的解决方案开始，我想出了这个食谱:

use CAM::PDF;
my $pdf = CAM::PDF->new('my.pdf') or die $CAM::PDF::errstr;
for my $pagenum (1 .. $pdf->numPages) {
   my $pagetree = $pdf->getPageContentTree($pagenum) or next;
   my @text = $pagetree->traverse('MyRenderer')->getTextBlocks;
   for my $textblock (@text) {
      print "text '$textblock->{str}' at ",
      "($textblock->{left},$textblock->{bottom}), angle $textblock->{angle}\n";
   }
}

package MyRenderer;
use base 'CAM::PDF::GS';

sub new {
   my ($pkg, @args) = @_;
   my $self = $pkg->SUPER::new(@args);
   $self->{refs}->{text} = [];
   return $self;
}
sub getTextBlocks {
   my ($self) = @_;
   return @{$self->{refs}->{text}};
}
sub renderText {
   my ($self, $string, $width) = @_;
   my ($x, $y) = $self->textToDevice(0,0);
   my ($x1, $y1) = $self->textToDevice(1,0);
   push @{$self->{refs}->{text}}, {
      str => $string,
      left => $x,
      bottom => $y,
      angle => atan2($y1-$y, $x1-$x),
   };
   return;
}

这为 PDFReference15_v5.pdf 的第 565 页产生了这个结果:

text 'ab' at (371.324,583.7249), angle -1.5707963267949
text 'c' at (371.324,576.63365), angle -1.5707963267949

请注意，角度以弧度为单位。除以 Pi 并乘以 180 以将其转换为度数。因此，-1.5707963267949 是 270 度，这与第 565 页一致。

请注意，打印的角度是相对于页面内容的角度。如果页面本身进一步旋转(根据上面的页面方向问题)，那么您可能需要复合旋转计算。