如何估算文本对象之间的空格个数？

福昕PDF SDK 软件开发工具包 > 福昕PDF SDK(桌面/服务器)

标签:

如何估算文本对象之间的空格个数？

福昕知识库
2024-10-24

PDF页面上人眼看见的一行文本，可能是由多个独立的文本对象TextObject构成，

如果需要自行将文本导出，为txt纯文本的格式，通常可以通过TextPage.GetTextInRect()获取。但这个接口最多只保留文本间的一个空格符。如果要求还准确原空格间距，保留多个空格，可以按照如下方式进行估算（代码为python语言）：

获取文本对象本身空格间距：

textState = textObject.GetTextState(page);
# 获取词间距
wordSpace = textState.wordspace;
# 获取当前字体的空格原始宽度
spaceWidth_original = textState.font.GetCharWidth(ord(' ')) / 1000;
# 根据词间距spaceWidth_original，字体大小font_size，
#以及文本的横向缩放Matrix.a比例， 计算出实际PDF中 该文本对象的空格实际宽度
spaceWidth = 1 * spaceWidth_original * textState.font_size * textRow[i].GetMatrix().a + wordSpace

2. 计算单个文本对象，字符所占的左右两侧的坐标。

#左侧坐标：
textObj.GetCharPos(0).x;
#右侧坐标：
textObj.GetCharPos(textObj.GetCharCount()-1).x+textObj.GetCharWidthByIndex(textObj.GetCharCount()-1);

3. 完整代码：

def GetTextObjBoundary(textObj,is_left=True):
    if is_left:
        return textObj.GetCharPos(0).x;
    else:
        return textObj.GetCharPos(textObj.GetCharCount()-1).x+textObj.GetCharWidthByIndex(textObj.GetCharCount()-1);
#textRow为一行已从左往右排好序的文本对象数组。
def GetTextInRow(textRow, page):
    str=""
    prePosX=0;
    textRow = sorted(textRow, key=lambda x: x.GetRect().left, reverse=False);
    for i in range(0, len(textRow)):
        textStr=textRow[i].GetText();
        rect=textRow[i].GetRect()
        textObj=textRow[i]
        if i==0:
            str=textStr;
            prePosX = GetTextObjBoundary(textObj,False);
            continue;
        distance=GetTextObjBoundary(textObj,True)-prePosX
        GetTextObjBoundary(textObj,True);

        textState = (textRow[i].GetTextState(page));
        # 获取词间距
        wordSpace = textState.wordspace;
        # 获取当前字体的空格原始宽度
        spaceWidth_original = textState.font.GetCharWidth(ord(' ')) / 1000;
        # 根据词间距spaceWidth_original，字体大小font_size，文本的横向缩放Matrix.a
        # 计算出实际PDF中 该文本对象的空格宽度
        spaceWidth = 1 * spaceWidth_original * textState.font_size * textRow[i].GetMatrix().a + wordSpace
        #根据相邻文本的间距，来计算空格符的个数
        spaceCount=(int)(distance/spaceWidth+0.5)
        for space in range(0,spaceCount):
            str=str+" "
        str=str+textStr;
        prePosX = GetTextObjBoundary(textObj,False);
    return str;

【校园昕积分】邀请攻略：使用福昕合作高校发放教育专用激活码激活

【校园昕积分】邀请攻略：使用CARSI高校账户或高校EDU邮箱注册

在福昕高级PDF编辑器中如何自定义快速访问工具栏

在福昕高级PDF编辑器中如何设置常用图章

【校园昕积分】邀请攻略：使用福昕合作高校发放教育专用激活码激活

【校园昕积分】邀请攻略：使用CARSI高校账户或高校EDU邮箱注册

在福昕高级PDF编辑器中如何自定义快速访问工具栏

在福昕高级PDF编辑器中如何设置常用图章

在对文件虚拟打印后如何设置文件不自动打开

通知消息关闭后如何开启

PDF文件奇偶页差异化页码添加

Web SDK 开发实战：动态自定义 PDF 注释右键菜单的 JavaScript 实现方案

无法安装服务“Foxit Document Management”(FoxitAssistantSvcPlus)

将3D文件添加作为信任文件

【校园昕积分】邀请攻略：使用福昕合作高校发放教育专用激活码激活

【校园昕积分】邀请攻略：使用CARSI高校账户或高校EDU邮箱注册

在福昕高级PDF编辑器中如何自定义快速访问工具栏

在福昕高级PDF编辑器中如何设置常用图章

在对文件虚拟打印后如何设置文件不自动打开

通知消息关闭后如何开启

PDF文件奇偶页差异化页码添加

Web SDK 开发实战：动态自定义 PDF 注释右键菜单的 JavaScript 实现方案

无法安装服务“Foxit Document Management”(FoxitAssistantSvcPlus)

将3D文件添加作为信任文件