Comment puis-je améliorer l'extraction du formatage du texte dans iTextSharp ?

Améliorer l'extraction du formatage du texte avec iTextSharp

L'extraction de texte PDF par défaut d'iTextSharp manque de précision en ce qui concerne le formatage avancé comme les styles de police et les couleurs. Cet article présente une solution pour surmonter cette limitation.

Une approche d'extraction supérieure :

Au lieu de vous fier à la méthode d'extraction standard, utilisez une stratégie personnalisée telle que « TextWithFontExtractionStategy ». Cette approche suit les modifications de la ligne de base, du nom de la police et de la taille pour identifier avec précision les changements de formatage.

Sortie HTML stylisée :

Cette stratégie améliorée produit une sortie HTML, intégrant des balises de style pour chaque segment de texte. Cela préserve les détails de formatage dans les données extraites.

Détails de mise en œuvre :

L'exemple de code fourni montre comment mettre en œuvre cette stratégie améliorée et générer une sortie HTML formatée. Il exploite l'interface ITextExtractionStrategy pour l'extraction et le rendu du texte.

Capacités de rendu avancées :

La stratégie inclut la détection des polices « faux gras » (polices visuellement mises en gras à l'aide du rendu de remplissage et de trait). Il ajoute "-Bold" au nom de la police dans la sortie HTML pour refléter cela.

Options de personnalisation :

La stratégie est hautement adaptable. Vous pouvez modifier le formatage HTML en fonction de vos besoins et préférences de style spécifiques.

Résumé :

En intégrant cette stratégie d'extraction améliorée dans votre application iTextSharp, vous améliorerez considérablement la précision et la polyvalence de votre extraction de formatage de texte, en capturant des informations plus riches à partir de documents PDF.

Ce qui précède est le contenu détaillé de. pour plus d'informations, suivez d'autres articles connexes sur le site Web de PHP en chinois!