首页
学习
活动
专区
圈层
工具
发布
社区首页 >问答首页 >Acrobat在复制文本时如何破坏PDF文档中的单词?

问Acrobat在复制文本时如何破坏PDF文档中的单词?
EN

Stack Overflow用户
提问于 2022-08-11 21:23:44
回答 1查看 64关注 0票数 0

PDF文档不需要在页面内容流中显示空格字符,从而在视觉上打断单词。因此,在字体程序中也可能缺少空格字符的字形。与PDF兼容的查看器似乎使用字体度量和文本状态来推断适当的字间距宽度,并根据字符的位置检查它,以便在选择/复制文本时添加缺失的空格。不幸的是,PDF 规格说明似乎没有足够强调在这种情况下如何计算字间距。虽然pdf.js在硬性 代码看来是一个用来跟踪单词中断的大小,但从我的经验测试来看,Acrobat /Pro使用了不同的方法。怎么会有这样的启发?

EN

回答 1

Stack Overflow用户

发布于 2022-08-19 17:32:43

这个问题是非常技术性的,回答它需要对Acrobat内部有一些内部知识,或者在PDF文档中实现文本提取,并使用一组健壮的测试用例与Adobe结果进行比较。对于可能关注的人来说,假设可以通过推断任意间距并与字形位置进行比较来实现用于文本提取的健壮的分词算法,我目前正在测试的启发式方法如下:

unscaledSpacingWidth =(从/W或/Widths数组获得的非零字形宽度的平均值)/ 7

其中,7是一个任意常量,它似乎很好地工作,并且与Acrobat的结果在我测试过的有限的一组样本中足够接近。这与pdf.js中的解决方案相比较,后者只是选取0.1 PDF点的硬编码值。

所发现的间距宽度根据字体大小和其他文本状态上下文进行缩放。

票数 0
EN
页面原文内容由Stack Overflow提供。腾讯云小微IT领域专用引擎提供翻译支持
原文链接:

https://stackoverflow.com/questions/73327026

复制
相关文章

相似问题

领券
问题归档专栏文章快讯文章归档关键词归档开发者手册归档开发者手册 Section 归档