C# 提取PDF中指定文本、图片的坐标

周清山

获取PDF文件中文字或图片的坐标可以实现精确定位，这对于快速提取指定区域的元素，以及在PDF中添加注释、标记或自动盖章等操作非常有用。本文将详解如何使用国产PDF库通过C# 提取PDF中指定文本或图片的坐标位置（X, Y轴）。
✍ 用于操作PDF文件的第三方库为Spire.PDF for .NET。可以下载产品包后手动安装或者直接通用Nuget安装。
开始前我们首先了解该库关于PDF中坐标系的一些信息：
Spire.PDF for .NET使用 PdfPageBase 类表示PDF页面，由内容区域和四周的页边距组成。页面上坐标系的原点位于内容区域的左上角，x 轴从原点开始水平向右延伸，y 轴从原点开始垂直向下延伸 （如下图所示）。

通过指定坐标XY轴，我们可以在PDF页面指定位置处绘制文本、图片、表格等元素。当然Spire.PDF for .NET也提供了相应的接口来帮助大家获取已有PDF文件中指定文本或图片的坐标信息。具体操作如下。
C# 获取 PDF 中指定文本的坐标

要指定文本的坐标，主要分为两步实现：

• 首先需要使用 PdfTextFinder.Find() 方法查找PDF文件中所有指定文本；
  
• 查找到文本后，再通过 PdfTextFragment.Positions 属性进一步获取其 (X, Y) 坐标信息。
  

代码:

1. using Spire.Pdf;
2. using Spire.Pdf.Texts;
3. using System.Drawing;
5. namespace GetCoordinatesOfText
6. {
7.     class Program
8.     {
9.         static void Main(string[] args)
10.         {
11.             //创建PdfDocument对象
12.             PdfDocument pdf = new PdfDocument();
14.             //加载PDF文件
15.             pdf.LoadFromFile("大数据.pdf");
17.             //遍历所有页面
18.             foreach (PdfPageBase page in pdf.Pages)
19.             {
20.                 //创建PdfTextFinder对象
21.                 PdfTextFinder finder = new PdfTextFinder(page);
23.                 //设置查找选项
24.                 PdfTextFindOptions options = new PdfTextFindOptions();
25.                 options.Parameter = TextFindParameter.IgnoreCase;
26.                 finder.Options = options;
28.                 //查找页面中所有指定文本
29.                 List<PdfTextFragment> fragments = finder.Find("海量");
31.                 //遍历所有查找的文本
32.                 foreach (PdfTextFragment fragment in fragments)
33.                 {
34.                     //获取文本的坐标信息
35.                     PointF found = fragment.Positions[0];
36.                     Console.WriteLine(found);
37.                 }
38.             }
39.         }
40.     }
41. }

复制代码

 
C# 获取 PDF 中指定图片的坐标

与获取文字坐标类似，获取图片坐标主要也分为两步：

• 首先使用 PdfImageHelper.GetImagesInfo() 方法获取某个PDF页面中所有图片信息；
  
• 获取图片后，再通过 PdfImageInfo.Bounds 属性获取其 (X, Y) 坐标信息。
  

代码：

1. using Spire.Pdf;
2. using Spire.Pdf.Utilities;
3. using System;
5. namespace GetCoordinatesOfImage
6. {
7.     class Program
8.     {
9.         static void Main(string[] args)
10.         {
11.             //创建PdfDocument对象
12.             PdfDocument pdf = new PdfDocument();
14.             //加载PDF文件
15.             pdf.LoadFromFile("大数据.pdf");
17.             //获取指定页面
18.             PdfPageBase page = pdf.Pages[0];
20.             //创建PdfImageHelper对象
21.             PdfImageHelper helper = new PdfImageHelper();
23.             //获取页面中的图片信息
24.             PdfImageInfo[] images = helper.GetImagesInfo(page);
26.             //获取第一张图片的 X、Y 坐标
27.             float xPos = images[0].Bounds.X;
28.             float yPos = images[0].Bounds.Y;
29.             Console.WriteLine("图片坐标为（{0},{1}）", xPos, yPos);
30.         }
31.     }
32. }

复制代码

加载的示例文档：

 
获取PDF中文字坐标的返回结果：

 
获取PDF中图片坐标的返回结果：

 
相关推荐阅读：
C# 提取 PDF 文档中的文本
C# 提取PDF中的图片
C# 查找并高亮PDF中的指定文本
Spire.PDF for .NET库的API文档
 

来源:https://www.cnblogs.com/Yesi/archive/2023/12/15/17903271.html
免责声明：由于采集信息均来自互联网，如果侵犯了您的权益，请联系我们【E-Mail:cb@itdo.tech】 我们会及时删除侵权内容，谢谢合作！