如何使用iTextSharp判断PDF解析文本块是否同时加粗并带下划线？

刚好我之前也处理过类似的需求，用iTextSharp实现检测同时加粗+下划线的文本其实分两步走：先判断字体是否加粗，再判断是否有下划线装饰，下面给你详细的实现方案：

1. 判断文本是否加粗 #

PDF里的加粗通常体现在字体本身的属性或命名上，我们可以通过两种方式来判断（优先用更准确的字体描述符，兜底用字体名称匹配）：

private bool IsBold(TextRenderInfo renderInfo)
{
    var font = renderInfo.GetFont();
    // 优先通过FontDescriptor判断：返回值>0表示字体是加粗样式
    bool isBoldFromDescriptor = font.GetFontDescriptor(BaseFont.BOLD, 0) > 0;
    if (isBoldFromDescriptor)
        return true;
    
    // 兜底检查字体名称，兼容命名不规范的字体
    var fontName = font.PostscriptFontName.ToLower();
    return fontName.Contains("bold") || fontName.Contains("b") || fontName.Contains("heavy");
}

2. 判断文本是否带下划线 #

下划线属于文本的装饰属性，iTextSharp中可以直接从GraphicsState获取这个状态：

private bool IsUnderlined(TextRenderInfo renderInfo)
{
    return renderInfo.GetGraphicsState().Underline;
}

3. 自定义提取策略整合判断 #

继承LocationTextExtractionStrategy，重写RenderText方法，同时检测两个条件，把符合要求的文本记录下来：

using System.Collections.Generic;
using iTextSharp.text.pdf;
using iTextSharp.text.pdf.parser;

public class BoldUnderlineTextExtractionStrategy : LocationTextExtractionStrategy
{
    private readonly List<string> _boldUnderlineTexts = new List<string>();

    // 对外暴露提取到的符合条件的文本
    public List<string> BoldUnderlineTexts => _boldUnderlineTexts;

    public override void RenderText(TextRenderInfo renderInfo)
    {
        // 先调用基类方法保证正常文本提取流程
        base.RenderText(renderInfo);

        bool isBold = IsBold(renderInfo);
        bool isUnderlined = IsUnderlined(renderInfo);

        if (isBold && isUnderlined)
        {
            _boldUnderlineTexts.Add(renderInfo.GetText());
        }
    }

    private bool IsBold(TextRenderInfo renderInfo)
    {
        var font = renderInfo.GetFont();
        bool isBoldFromDescriptor = font.GetFontDescriptor(BaseFont.BOLD, 0) > 0;
        if (isBoldFromDescriptor)
            return true;
        
        var fontName = font.PostscriptFontName.ToLower();
        return fontName.Contains("bold") || fontName.Contains("b") || fontName.Contains("heavy");
    }

    private bool IsUnderlined(TextRenderInfo renderInfo)
    {
        return renderInfo.GetGraphicsState().Underline;
    }
}

4. 使用示例 #

最后在主逻辑中调用自定义策略提取文本：

using (var pdfReader = new PdfReader("你的PDF文件路径.pdf"))
{
    var extractionStrategy = new BoldUnderlineTextExtractionStrategy();
    
    // 遍历所有页面提取文本
    for (int pageNum = 1; pageNum <= pdfReader.NumberOfPages; pageNum++)
    {
        PdfTextExtractor.GetTextFromPage(pdfReader, pageNum, extractionStrategy);
    }

    // 输出结果
    foreach (var targetText in extractionStrategy.BoldUnderlineTexts)
    {
        Console.WriteLine("找到同时加粗+下划线的文本：" + targetText);
    }
}

注意事项 #

• 有些PDF的下划线不是通过文本装饰属性实现的，而是单独绘制的线条（比如用绘图指令画的横线），这种情况上面的方法无法检测到，需要额外解析页面的绘图路径来判断，复杂度会高一些。
• 部分自定义字体的命名可能比较特殊，你可以根据实际情况扩展IsBold方法中的关键词集合。

内容的提问来源于stack exchange，提问作者SvdSinner