Jak uzyskać kolor czcionki za pomocą pdfbox

Question

Próbuję wyodrębnić tekst ze wszystkimi informacjami z pdf za pomocą pdfbox. Mam wszystkie potrzebne informacje, z wyjątkiem koloru. Próbowałem różnych sposobów, aby uzyskać kolor czcionki (w tym Getting Text Colour with PDFBox). Ale nie działa. A teraz skopiowałem kod z klasy PageDrawer pdfBox. Ale także wartość RGB nie jest poprawna.

protected void processTextPosition(TextPosition text) { 

     Composite com; 
     Color col; 
     switch(this.getGraphicsState().getTextState().getRenderingMode()) { 
     case PDTextState.RENDERING_MODE_FILL_TEXT: 
      com = this.getGraphicsState().getNonStrokeJavaComposite(); 
      int r =  this.getGraphicsState().getNonStrokingColor().getJavaColor().getRed(); 
      int g = this.getGraphicsState().getNonStrokingColor().getJavaColor().getGreen(); 
      int b = this.getGraphicsState().getNonStrokingColor().getJavaColor().getBlue(); 
      int rgb = this.getGraphicsState().getNonStrokingColor().getJavaColor().getRGB(); 
      float []cosp = this.getGraphicsState().getNonStrokingColor().getColorSpaceValue(); 
      PDColorSpace pd = this.getGraphicsState().getNonStrokingColor().getColorSpace(); 
      break; 
     case PDTextState.RENDERING_MODE_STROKE_TEXT: 
      System.out.println(this.getGraphicsState().getStrokeJavaComposite().toString()); 
      System.out.println(this.getGraphicsState().getStrokingColor().getJavaColor().getRGB()); 
      break; 
     case PDTextState.RENDERING_MODE_NEITHER_FILL_NOR_STROKE_TEXT: 
      //basic support for text rendering mode "invisible" 
      Color nsc = this.getGraphicsState().getStrokingColor().getJavaColor(); 
      float[] components = {Color.black.getRed(),Color.black.getGreen(),Color.black.getBlue()}; 
      Color c1 = new Color(nsc.getColorSpace(),components,0f); 
      System.out.println(this.getGraphicsState().getStrokeJavaComposite().toString()); 
      break; 
     default: 
      System.out.println(this.getGraphicsState().getNonStrokeJavaComposite().toString()); 
      System.out.println(this.getGraphicsState().getNonStrokingColor().getJavaColor().getRGB()); 
    } 

Używam powyższego kodu. Otrzymywane wartości wynoszą r = 0, g = 0, b = 0, wewnątrz wartości obiektu cosp jest [0.0], wewnątrz obiektu pd = null i colorSpace = null. a wartość RGB zawsze wynosi -16777216. Proszę pomóż mi. Z góry dziękuję.

Answer 1

Próbowałem kod w linku pisał i pracował dla mnie. Kolory, które otrzymuję, to 148,92, 179,01001 i 214,965. Żałuję, że nie mogę dać ci mojego pliku PDF do pracy, może jeśli przechowywam go na zewnątrz do SO? Mój plik PDF używał swego rodzaju niebieskawego koloru i wydaje się pasować. To była tylko jedna strona tekstu utworzonego w programie Word 2010 i wyeksportowana, nic zbyt intensywnego.

Kilka sugestii ....

1. Przypomnijmy, że wartość zwracana jest pływak między 0 i 1. Jeżeli wartość nie jest przypadkowo oddanych do int, to oczywiście wartości skończy zawierający prawie wszystko 0. związana wielokrotności kodu przez 255, aby uzyskać zakres od 0 do 255.
2. Jako komentator powiedział, najczęściej koloru dla pliku PDF jest czarny, który jest 0 0 0

to wszystko, co mogę teraz myśleć, w przeciwnym razie mam wersję 1.7.1 pdfbox i fontbox i lik Powiedziałem, że podążałem za łącznikiem, który podałeś.

EDIT

Na podstawie moich komentarzach, tutaj chyba jest minorly inwazyjny sposób to zrobić dla plików pdf jak color.pdf?

W PDFStreamEngine.java w metodzie processOperator można zrobić wewnątrz bloku try

if (operation.equals("RG")) { 
    // stroking color space 
    System.out.println(operation); 
    System.out.println(arguments); 
} else if (operation.equals("rg")) { 
    // non-stroking color space 
    System.out.println(operation); 
    System.out.println(arguments); 
} else if (operation.equals("BT")) { 
    System.out.println(operation);  
} else if (operation.equals("ET")) { 
    System.out.println(operation);   
} 

To pokaże informację, to do ciebie, aby przetwarzać informacje kolorów dla każdej sekcji w zależności od potrzeb. Oto fragment z początku produkcji powyższym kodzie, gdy działają na color.pdf ...

BT rG [COSInt(1), COSInt(0), CosInt(0)] RG [COSInt(1), COSInt(0), CosInt(0)] ET BT ET BT rG [COSFloat{0.573}, COSFloat{0.816}, COSFloat{0.314}] RG [COSFloat{0.573}, COSFloat{0.816}, COSFloat{0.314}] ET ......

zobaczyć na powyższym wyjściu pustą sekcję BT ET, to jest odcinek, który jest oznaczony DEVICEGRAY . Wszystkie inne daje [0,1] wartości dla R, G i B komponenty

Answer 2

znalazłem jakiś kod w jednym z moim programem obsługi technicznej.
Nie wiem, czy to działa, czy nie, spróbuj. Sprawdź również ten link http://pdfbox.apache.org/apidocs/org/apache/pdfbox/pdmodel/common/class-use/PDStream.html

To może pomóc

PDDocument doc = null; 
try { 
    doc = PDDocument.load("C:/Path/To/Pdf/Sample.pdf"); 
    PDFStreamEngine engine = new PDFStreamEngine(ResourceLoader.loadProperties("org/apache/pdfbox/resources/PageDrawer.properties")); 
    PDPage page = (PDPage)doc.getDocumentCatalog().getAllPages().get(0); 
    engine.processStream(page, page.findResources(), page.getContents().getStream()); 
    PDGraphicsState graphicState = engine.getGraphicsState(); 
    System.out.println(graphicState.getStrokingColor().getColorSpace().getName()); 
    float colorSpaceValues[] = graphicState.getStrokingColor().getColorSpaceValue(); 
    for (float c : colorSpaceValues) { 
     System.out.println(c * 255); 
    } 
} 
finally { 
    if (doc != null) { 
     doc.close(); 
    } 

Answer 3

ja również zakończyła się robi coś takiego. Wklejając poniższy kod, mam nadzieję, że komuś pomaga.

import java.io.IOException; 
import java.util.List; 
import org.apache.pdfbox.exceptions.COSVisitorException; 
import org.apache.pdfbox.pdmodel.PDDocument; 
import org.apache.pdfbox.pdmodel.PDPage; 
import org.apache.pdfbox.pdmodel.edit.PDPageContentStream; 
import org.apache.pdfbox.pdmodel.font.PDFont; 
import org.apache.pdfbox.pdmodel.font.PDType1Font; 
import org.apache.pdfbox.pdmodel.graphics.PDGraphicsState; 
import org.apache.pdfbox.util.PDFTextStripper; 
import org.apache.pdfbox.util.ResourceLoader; 
import org.apache.pdfbox.util.TextPosition; 

public class Parser extends PDFTextStripper { 

public Parser() throws IOException { 
    super(ResourceLoader.loadProperties(
      "org/apache/pdfbox/resources/PageDrawer.properties", true)); 
    super.setSortByPosition(true); 
} 

public void parse(String path) throws IOException{ 
    PDDocument doc = PDDocument.load(path); 
    List<PDPage> pages = doc.getDocumentCatalog().getAllPages(); 
    for (PDPage page : pages) { 
     this.processStream(page, page.getResources(), page.getContents().getStream()); 
    } 
} 

@Override 
protected void processTextPosition(TextPosition text) { 
    try { 
     PDGraphicsState graphicsState = getGraphicsState(); 
     System.out.println("R = " + graphicsState.getNonStrokingColor().getJavaColor().getRed()); 
     System.out.println("G = " + graphicsState.getNonStrokingColor().getJavaColor().getGreen()); 
     System.out.println("B = " + graphicsState.getNonStrokingColor().getJavaColor().getBlue()); 
    } 
    catch (IOException ioe) {} 

} 

public static void main(String[] args) throws IOException, COSVisitorException { 
    Parser p = new Parser(); 
    p.parse("/Users/apple/Desktop/123.pdf"); 
} 

} 

Answer 4

Z PDFBox verson 2.0+ konieczne jest wybrać te operatory w konstruktorze swojej nadpisane PDFTextStripper:

addOperator(new SetStrokingColorSpace()); 
addOperator(new SetNonStrokingColorSpace()); 
addOperator(new SetStrokingDeviceCMYKColor()); 
addOperator(new SetNonStrokingDeviceCMYKColor()); 
addOperator(new SetNonStrokingDeviceRGBColor()); 
addOperator(new SetStrokingDeviceRGBColor()); 
addOperator(new SetNonStrokingDeviceGrayColor()); 
addOperator(new SetStrokingDeviceGrayColor()); 
addOperator(new SetStrokingColor()); 
addOperator(new SetStrokingColorN()); 
addOperator(new SetNonStrokingColor()); 
addOperator(new SetNonStrokingColorN()); 

Dopiero wtedy getGraphicsState() zwróci właściwą informację.

Zobacz https://pdfbox.apache.org/2.0/migration.html