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。
https://stackoverflow.com/questions/73327026
复制相似问题