如何从指定宽高的QTextDocument中提取指定页码的内容（含图片URL）？

嘿，这个需求绝对可以实现！QTextDocument本身虽然没有直接的“按页码取内容”API，但我们可以通过它的布局系统手动解析每一页的内容，完美处理文本跨页、图片单页的情况。下面是具体的实现思路和代码示例：

核心思路 #

QTextDocument的分页是基于你指定的宽高计算的，所以我们需要：

• 跟踪当前内容在页面中的垂直位置，判断哪些内容属于目标页码
• 逐文本块（对应你的<p>标签）解析，处理文本跨页的分割
• 提取文本块中的图片格式，获取其URL并判断是否在目标页内

具体实现步骤 #

1. 定义页面尺寸 #

首先要确保你使用的页面宽高和QTextDocument排版时的尺寸一致，比如：

const qreal PAGE_WIDTH = 595.0;  // A4宽度，单位pt
const qreal PAGE_HEIGHT = 842.0; // A4高度，单位pt

2. 遍历文档并分页解析 #

通过QTextBlock遍历文档的每个文本块，用QTextLayout计算每行的布局位置，跟踪当前所在页码：

QString extractPageContent(QTextDocument* doc, int targetPage, qreal pageWidth, qreal pageHeight) {
    QString pageContent;
    qreal currentVerticalPos = 0.0;
    int currentPage = 1;

    QTextBlock block = doc->begin();
    while (block.isValid()) {
        // 为当前文本块创建布局
        QTextLayout layout(block);
        layout.setPageWidth(pageWidth);
        layout.beginLayout();

        QTextLine line;
        // 逐行处理文本块内容
        while (!(line = layout.createLine()).isValid()) continue;

        do {
            const qreal lineHeight = line.height();
            // 检查当前行是否跨页，是的话切换页码并重置垂直位置
            if (currentVerticalPos + lineHeight > pageHeight) {
                currentPage++;
                currentVerticalPos = 0.0;
            }

            // 如果当前行属于目标页码，提取内容
            if (currentPage == targetPage) {
                // 提取当前行的文本片段
                const QString lineText = block.text().mid(line.textStart(), line.textLength());
                pageContent += lineText;

                // 检查当前行是否包含图片，提取图片URL
                QTextCursor cursor(block);
                cursor.setPosition(line.textStart());
                cursor.movePosition(QTextCursor::NextCharacter, QTextCursor::KeepAnchor, line.textLength());
                const QList<QTextImageFormat> imageFormats = cursor.selection().imageFormats();
                for (const auto& imgFormat : imageFormats) {
                    // 把图片URL附加到内容中，格式可自定义
                    pageContent += QString(" [Image: %1]").arg(imgFormat.name());
                }
            }

            currentVerticalPos += lineHeight;
            line = layout.createLine();
        } while (line.isValid());

        block = block.next();
    }

    // 整理内容，去除多余空格换行
    pageContent = pageContent.trimmed();
    return pageContent;
}

3. 调用示例 #

假设你已经有一个配置好宽高的QTextDocument* doc，要提取第2页的内容：

QString page2Content = extractPageContent(doc, 2, PAGE_WIDTH, PAGE_HEIGHT);
// 输出示例："In general, the text in the p tags can span multiple pages, and the images are guaranteed to span at most one page,in case that helps. [Image: ./example.png]"

关键注意点 #

• 页面尺寸一致性：必须使用和QTextDocument排版时相同的宽高，否则分页计算会出错
• 文本跨页处理：代码中通过逐行判断垂直位置，自动分割跨页的文本，确保只提取目标页内的部分
• 图片处理：因为图片最多占一页，所以只要图片所在的行属于目标页码，就可以直接提取其URL（imgFormat.name()返回的就是图片的路径/URL）

内容的提问来源于stack exchange，提问作者Inkane