如何使用PDFBox获取PDF文档中文字的渐变色属性？

可以通过PDFBox获取PDF文档中文字的渐变色属性，但需要注意：PDF里的文字渐变是绑定在图形状态的填充/描边颜色设置上，而非直接关联文本对象，因此需要跟踪文本绘制时的图形状态，并解析对应的渐变资源。

实现思路与步骤 #

1. 跟踪图形状态：自定义PDFTextStripper，在处理文本位置时获取当前的图形状态（GraphicsState），从中提取填充/描边颜色。
2. 识别渐变颜色空间：判断颜色是否属于PDShadingPattern类型（PDF中渐变的核心载体）。
3. 提取渐变参数：从PDShading对象中获取渐变类型（轴向/径向）、颜色停止点、变换矩阵等详细属性。

示例代码 #

import org.apache.pdfbox.pdmodel.PDDocument;
import org.apache.pdfbox.pdmodel.graphics.PDColor;
import org.apache.pdfbox.pdmodel.graphics.PDGraphicsState;
import org.apache.pdfbox.pdmodel.graphics.shading.PDAxialShading;
import org.apache.pdfbox.pdmodel.graphics.shading.PDRadialShading;
import org.apache.pdfbox.pdmodel.graphics.shading.PDShading;
import org.apache.pdfbox.pdmodel.graphics.shading.PDShadingPattern;
import org.apache.pdfbox.text.PDFTextStripper;
import org.apache.pdfbox.text.TextPosition;

import java.io.File;
import java.io.IOException;

public class GradientTextExtractor extends PDFTextStripper {
    public GradientTextExtractor() throws IOException {
        super();
    }

    @Override
    protected void processTextPosition(TextPosition text) {
        super.processTextPosition(text);
        PDGraphicsState currentGs = getGraphicsState();

        // 处理填充渐变（文字通常用填充色）
        PDColor fillColor = currentGs.getNonStrokingColor();
        parseGradientColor(fillColor, "填充");

        // 如需处理描边渐变（文字描边带渐变的情况）
        PDColor strokeColor = currentGs.getStrokingColor();
        parseGradientColor(strokeColor, "描边");
    }

    private void parseGradientColor(PDColor color, String type) {
        if (color.getColorSpace() instanceof PDShadingPattern) {
            PDShadingPattern pattern = (PDShadingPattern) color.getColorSpace();
            PDShading shading = pattern.getShading();

            System.out.printf("检测到%s渐变：%n", type);
            if (shading instanceof PDAxialShading) {
                PDAxialShading axialShading = (PDAxialShading) shading;
                System.out.println("渐变类型：轴向渐变");
                System.out.println("起止坐标：" + axialShading.getCoords());
                System.out.println("颜色停止点：" + axialShading.getColorStops());
                System.out.println("变换矩阵：" + axialShading.getMatrix());
            } else if (shading instanceof PDRadialShading) {
                PDRadialShading radialShading = (PDRadialShading) shading;
                System.out.println("渐变类型：径向渐变");
                System.out.println("圆心与半径参数：" + radialShading.getCoords());
                System.out.println("颜色停止点：" + radialShading.getColorStops());
            }
            System.out.println("-----");
        }
    }

    public static void main(String[] args) throws IOException {
        try (PDDocument doc = PDDocument.load(new File("new york.pdf"))) {
            GradientTextExtractor extractor = new GradientTextExtractor();
            extractor.getText(doc);
        }
    }
}

关键注意事项 #

• 确保使用PDFBox 2.x版本，旧版本的渐变相关API与示例代码不兼容。
• 若渐变定义在表单XObject或嵌套内容流中，需额外遍历这些对象的内容流以跟踪图形状态。
• 部分PDF可能将渐变封装在间接资源中，PDFBox会自动处理资源加载，但需注意文档的权限设置（如是否允许资源提取）。

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