iText7提取PDF文本与线段位置比例不一致问题求助

你遇到的线段和文本位置比例不一致的核心问题是：忽略了路径渲染时的当前变换矩阵（CTM）。

文本的位置（如TextRenderInfo返回的基线坐标）是经过CTM转换后的设备空间坐标，但你直接提取的Path线段是未经过转换的用户空间原始坐标，两者不在同一坐标空间，所以比例会出现偏差。

修正步骤 #

1. 在处理RENDER_PATH事件时，获取当前路径渲染的变换矩阵
2. 对每个线段的起点和终点应用该矩阵，转换到与文本一致的坐标空间

修改后的代码片段 #

调整EventOccurred方法中的路径处理逻辑 #

public override void EventOccurred(IEventData data, EventType type)
{
    // get all line segments
    if (type.Equals(EventType.RENDER_PATH))
    {
        PathRenderInfo pRenderInfo = (PathRenderInfo)data;
        Path path = pRenderInfo.GetPath();
        path.ReplaceCloseWithLine();
        // 获取当前变换矩阵（关键：文本坐标已经经过该矩阵转换）
        Matrix ctm = pRenderInfo.GetCtm();
        foreach (Subpath sPath in path.GetSubpaths())
        {
            List<IShape> segments = (List<IShape>)sPath.GetSegments();
            AddLines(segments, ctm); // 传入CTM用于坐标转换
        }
    }
    
    // 文本提取逻辑保持不变...
}

修改AddLines方法，添加坐标转换 #

private void AddLines(List<IShape> segments, Matrix ctm)
{
    foreach (IShape segment in segments)
    {
        if (segment is Line originalLine)
        {
            // 对线段的两个端点应用变换矩阵
            Vector transformedStart = originalLine.GetBasePoints()[0].Multiply(ctm);
            Vector transformedEnd = originalLine.GetBasePoints()[1].Multiply(ctm);
            Line transformedLine = new Line(transformedStart, transformedEnd);
            lineResult.Add(transformedLine);
        }
    }
}

补充说明 #

• CTM是PDF渲染时用于将用户空间坐标转换为设备空间的核心矩阵，包含缩放、旋转、平移等变换信息
• 转换后的线段坐标将与文本坐标处于同一空间，重绘时比例就能完全匹配
• 若仍有个别场景偏差，可进一步检查是否存在裁剪矩阵（pRenderInfo.GetClipPath()）的影响，但大部分常规PDF只需处理CTM即可解决问题

内容的提问来源于stack exchange，提问作者cpCoder