itext7 - 如何在写入期间过滤渲染事件

Question

我想过滤 RENDER_TEXT 事件，因为它们被写入输出文件。我有一个 PDF，里面有一些我想过滤掉的文本。我发现我可以遍历文档一次并确定我想要过滤的渲染事件的特征。现在我想复制源文档的页面并跳过一些 RENDER_TEXT 事件，以便文本不会出现在目标文档中。我有一个 IEventFilter 可以接受正确的事件。我只需要知道如何将此过滤器放在文档编写器上。目标是采用议程格式从 Google 日历创建的 PDF 并删除“创建者：”和“日历：”行。这些行通常由 3 个 RENDER_TEXT 事件组成。我当前的代码如下。我发现所有具有相同基线 y 坐标的 RENDER_TEXT 事件将标识我想要删除的事件。import java.io.FileNotFoundException;import java.io.IOException;import java.nio.file.Path;import java.nio.file.Paths;import java.util.Collections;import java.util.LinkedList;import java.util.List;import java.util.Set;import org.apache.logging.log4j.LogManager;import org.apache.logging.log4j.Logger;import com.itextpdf.kernel.geom.LineSegment;import com.itextpdf.kernel.geom.PageSize;import com.itextpdf.kernel.geom.Rectangle;import com.itextpdf.kernel.pdf.PdfDocument;import com.itextpdf.kernel.pdf.PdfPage;import com.itextpdf.kernel.pdf.PdfReader;import com.itextpdf.kernel.pdf.PdfWriter;import com.itextpdf.kernel.pdf.canvas.parser.EventType;import com.itextpdf.kernel.pdf.canvas.parser.PdfCanvasProcessor;import com.itextpdf.kernel.pdf.canvas.parser.data.IEventData;import com.itextpdf.kernel.pdf.canvas.parser.data.TextRenderInfo;import com.itextpdf.kernel.pdf.canvas.parser.filter.IEventFilter;import com.itextpdf.kernel.pdf.canvas.parser.listener.IEventListener;public class Main {    private static final Logger LOGGER = LogManager.getLogger();    public static void main(String[] args) throws FileNotFoundException, IOException {        final Path src = Paths.get("calendar_2018-08-04_2018-08-19.pdf");        final Path dest = Paths.get("/home/jpschewe/Downloads/calendar_clean.pdf");        final Main app = new Main(src, dest);    }

Answer 1

正如评论中所建议的，您可以使用PdfCanvasEditorfrom this answer根据需要从内容流中过滤操作。实际上，我稍微扩展了该类，以便能够正确支持'和"文本绘制运算符。您可以在此处找到该课程。

就像在您的方法中一样，要清除的行是在第一次运行时确定的：我RegexBasedLocationExtractionStrategy为此使用了一个实例。

此后，在该PdfCanvasEditor步骤中，将在这些行上绘制文本的指令更改为仅绘制空字符串。

不过，由于不是您检查的事件导致在此处绘制文本，而是更基本的运算符和操作数结构，因此确切的机制不是从IEventFilter. 但是机制与您的方法相似。

try (PdfDocument pdfDocument = new PdfDocument(SOURCE_PDF_READER, TARGET_PDF_WRITER)) {

    List<Rectangle> triggerRectangles = new ArrayList<>();

    PdfCanvasEditor editor = new PdfCanvasEditor()

    {

        {

            Field field = PdfCanvasProcessor.class.getDeclaredField("textMatrix");

            field.setAccessible(true);

            textMatrixField = field;

        }

        @Override

        protected void nextOperation(PdfLiteral operator, List<PdfObject> operands) {

            try {

                recentTextMatrix = (Matrix)textMatrixField.get(this);

            } catch (IllegalArgumentException | IllegalAccessException e) {

                throw new RuntimeException(e);

            }

        }

        @Override

        protected void write(PdfCanvasProcessor processor, PdfLiteral operator, List<PdfObject> operands)

        {

            String operatorString = operator.toString();

            if (TEXT_SHOWING_OPERATORS.contains(operatorString))

            {

                Matrix matrix = null;

                try {

                    matrix = recentTextMatrix.multiply(getGraphicsState().getCtm());

                } catch (IllegalArgumentException e) {

                    throw new RuntimeException(e);

                }

                float y = matrix.get(Matrix.I32);

                if (triggerRectangles.stream().anyMatch(rect -> rect.getBottom() <= y && y <= rect.getTop())) {

                    if ("TJ".equals(operatorString))

                        operands.set(0, new PdfArray());

                    else

                        operands.set(operands.size() - 2, new PdfString(""));

                }

            }

            super.write(processor, operator, operands);

        }

        final List<String> TEXT_SHOWING_OPERATORS = Arrays.asList("Tj", "'", "\"", "TJ");

        final Field textMatrixField;

        Matrix recentTextMatrix;

    };

    for (int i = 1; i <= pdfDocument.getNumberOfPages(); i++)

    {

        PdfPage page = pdfDocument.getPage(i);

        Set<PdfName> xobjectNames = page.getResources().getResourceNames(PdfName.XObject);

        for (PdfName xobjectName : xobjectNames) {

            PdfFormXObject xobject = page.getResources().getForm(xobjectName);

            byte[] content = xobject.getPdfObject().getBytes();

            PdfResources resources = xobject.getResources();

            RegexBasedLocationExtractionStrategy regexLocator = new RegexBasedLocationExtractionStrategy("Created by:|Calendar:");

            new PdfCanvasProcessor(regexLocator).processContent(content, resources);

            triggerRectangles.clear();

            triggerRectangles.addAll(regexLocator.getResultantLocations().stream().map(loc -> loc.getRectangle()).collect(Collectors.toSet()));

            PdfCanvas pdfCanvas = new PdfCanvas(new PdfStream(), resources, pdfDocument);

            editor.editContent(content, resources, pdfCanvas);

            xobject.getPdfObject().setData(pdfCanvas.getContentStream().getBytes());

        }

    }

}

（EditPageContent测试testRemoveSpecificLinesCalendar）

请注意，这是一个概念验证，它是为 OP 的用例特别定制的：PdfCanvasEditor此处仅用于检查和编辑每个页面的第一级表单 XObjects，因为从 Google 日历以 Agenda 格式创建的 PDF 包含他们所有的页面内容都以 XObject 形式呈现，而 XObject 又会在页面内容流中绘制。此外，预计文本将与页面顶部平行。