能否从PDF中提取自定义空格尺寸？已尝试pymupdf未果

方法1：通过文本坐标差间接计算 #

PDF里的文本都是按坐标绘制的，你可以借助PyMuPDF获取相邻文本块的边界框，通过坐标差值算出空格宽度——虽然它没直接提供空格尺寸，但可以间接实现：

• 提取页面所有文本片段的坐标与内容
• 计算前一个文本块右侧x坐标和后一个文本块左侧x坐标的差值，这个数值就是两者之间的空格宽度
• 可以结合原始LaTeX文本的结构，区分自定义空格和默认单词间距

示例代码（PyMuPDF）：

import fitz

doc = fitz.open("your_generated.pdf")
page = doc[0]
# 获取每个文本片段的(x0, y0, x1, y1, 内容)
text_fragments = page.get_text("words")

for i in range(len(text_fragments)-1):
    curr_frag = text_fragments[i]
    next_frag = text_fragments[i+1]
    # 计算两个文本块之间的横向间距
    space_width = next_frag[0] - curr_frag[2]
    print(f"「{curr_frag[4]}」与「{next_frag[4]}」的间距宽度：{space_width}")

得到的数值是PDF的用户单位（通常1单位=1pt），可以结合当前字体字号转换为em单位（比如12pt字体下1em=12pt）。

方法2：解析PDF内容流的位移命令 #

PDF的内容流会记录所有绘制指令，包括文本位移操作，你可以直接解析这些命令获取空格尺寸：

• 用page.get_contents()获取页面的内容流字符串
• 查找文本绘制命令（Tj/TJ）之间的位移命令（Td/Tm），这些命令的参数就是位移距离，横向数值即为空格宽度

方法3：结合LaTeX源码做参考校准 #

如果能拿到原始LaTeX源码，可以插入已知尺寸的参考元素辅助换算：

• 在LaTeX中添加一个已知宽度的盒子（比如\hbox to 0.6em{}），生成PDF后测量它的实际宽度
• 用这个参考值作为基准，换算其他自定义空格的尺寸，避免单位转换误差

注意事项 #

• PDF的用户单位默认等于1pt，但部分PDF可能存在页面缩放，需要确认页面的转换因子
• 若自定义空格和默认空格混杂，要结合原始文本的结构对应区分

内容的提问来源于stack exchange，提问作者sinoTrinity