ExtractParagraphs.cs
// 完毕:
using System;
using System.IO;
using System.Drawing;
using System.Numerics;
using System.Collections.Generic;
using System.Linq;
using GrapeCity.Documents.Text;
using GrapeCity.Documents.Drawing;
using GrapeCity.Documents.Pdf;
using GrapeCity.Documents.Pdf.Annotations;
using GrapeCity.Documents.Pdf.Graphics;
using GCTEXT = GrapeCity.Documents.Text;
using GCDRAW = GrapeCity.Documents.Drawing;
namespace DsPdfWeb.Demos
{
// 此示例演示如何从现有 PDF 中提取文本。
// 它将任意 PDF 加载到临时 GcPdfDocument 中,然后
// 使用 Page.GetText() 方法从该文档的每个页面检索文本,
// 将所有这些文本添加到 TextLayout 并将其呈现到当前文档中。
// Page.GetText() 的替代方法是 GcPdfDocument.GetText() 方法
// 它立即从整个文档中检索文本。
public class ExtractParagraphs
{
public int CreatePDF(Stream stream)
{
const int margin = 36;
var c1 = Color.PaleGreen;
var c2 = Color.PaleGoldenrod;
var doc = new GcPdfDocument();
var page = doc.NewPage();
var rc = Common.Util.AddNote(
"这里我们将现有的 PDF (Wetlands) 加载到临时 GcPdfDocument 中," +
"",
page,
new RectangleF(margin, margin, page.Size.Width - margin * 2, 0));
// 标题的文本格式:
var tf = new TextFormat()
{
Font = GCTEXT.Font.FromFile(Path.Combine("Resources", "Fonts", "yumin.ttf")),
FontSize = 14,
ForeColor = Color.Blue
};
// 段落的文本格式:
var tfpar = new TextFormat()
{
Font = StandardFonts.Times,
FontSize = 12,
BackColor = c1,
};
// 渲染文本的文本布局:
var tl = page.Graphics.CreateTextLayout();
tl.MaxWidth = doc.PageSize.Width;
tl.MaxHeight = doc.PageSize.Height;
tl.MarginAll = rc.Left;
tl.MarginTop = rc.Bottom + 36;
// 寡妇/孤儿控制的文本分割选项:
var to = new TextSplitOptions(tl)
{
MinLinesInFirstParagraph = 2,
MinLinesInLastParagraph = 2,
RestMarginTop = rc.Left,
};
// 打开任意 PDF,将其加载到临时文档中并获取所有页面文本
using var fs = File.OpenRead(Path.Combine("Resources", "PDFs", "Wetlands.pdf"));
var doc1 = new GcPdfDocument();
doc1.Load(fs);
for (int i = 0; i < doc1.Pages.Count; ++i)
{
tl.AppendLine(string.Format("原始 PDF 第 {0} 页的段落:", i + 1), tf);
var pg = doc1.Pages[i];
var pars = pg.GetTextMap().Paragraphs;
foreach (var par in pars)
{
tl.AppendLine(par.GetText(), tfpar);
tfpar.BackColor = tfpar.BackColor == c1 ? c2 : c1;
}
}
tl.PerformLayout(true);
while (true)
{
// 'rest' 将接受不适合的文本:
var splitResult = tl.Split(to, out TextLayout rest);
doc.Pages.Last.Graphics.DrawTextLayout(tl, PointF.Empty);
if (splitResult != SplitResult.Split)
break;
tl = rest;
doc.NewPage();
}
// 附上原始文件以供参考:
doc.MergeWithDocument(doc1, new MergeDocumentOptions());
// 完毕:
doc.Save(stream);
return doc.Pages.Count;
}
}
}