Pdfbox PDFTextStripperByArea 坐标移动

Question

我有坐标问题。 PDFTextStripperByArea 区域似乎被推得太高了。

考虑以下示例片段:

...
PDPage page = (PDPage) allPages.get(0);
PDFTextStripperByArea stripper = new PDFTextStripperByArea();

// define region for extraction -- the coordinates and dimensions are x, y, width, height
Rectangle2D.Float region = new Rectangle2D.Float(x, y, width, height);
stripper.addRegion("test region", region);

// overlay the region with a cyan rectangle to check if I got the coordinates and dimensions right 
PDPageContentStream contentStream = new PDPageContentStream(document, page, true, true);
contentStream.setNonStrokingColor( Color.CYAN );
contentStream.fillRect(x, y, width, height );
contentStream.close();

// extract the text from the defined region
stripper.extractRegions(page);
String content = stripper.getTextForRegion("test region"); 
... 
document.save(...); ...

青色矩形很好地覆盖了所需的区域。另一方面，剥离器错过了矩形底部的几条线，并包括矩形上方的几条线——它看起来像是“向上”移动(通过 y 坐标)。到底是怎么回事？

Answer 1

正如 Christian 在他的评论中所说，问题在于 fillRect() 方法的坐标系和 PDFTextStripperByArea 方法的坐标系不同。

第一个期望原点是页面的左下角，而第二个期望它是左上角。

因此，要使其工作，请将提供给 PDFTextStripperByArea 的区域更改为:

Rectangle2D.Float region = new Rectangle2D.Float(x, ph - y - height, width, height);

其中 ph 是页面高度:

float ph = page.getMediaBox().getUpperRightY();

PS:我知道这是一个非常古老的问题，但是当我遇到同样的问题时，谷歌把我带到了这里，所以我会添加我的答案。