如何使用Pdfium获取PDF文档中带边界信息的文本内容？

没错，FPDFText_GetText确实只能返回纯文本内容，没法直接拿到文本的位置边界。不过Pdfium其实提供了几个底层API，组合起来就能轻松实现你的需求，我给你分享两种常用的思路：

1. 逐字符精准获取边界 #

如果需要最精细的字符级边界信息，这个方法最合适：

• 先用FPDFText_LoadPage加载目标页面的文本上下文
• 调用FPDFText_CountChars拿到页面的总字符数
• 循环遍历每个字符，通过FPDFText_GetCharBox获取该字符的左、右、上、下四个边界坐标
• 搭配FPDFText_GetChar就能拿到对应的字符内容，把两者关联起来就行

给你一段伪代码参考：

FPDF_TEXTPAGE textPage = FPDFText_LoadPage(pdfPage);
int totalChars = FPDFText_CountChars(textPage);

for (int i = 0; i < totalChars; ++i) {
    double left, top, right, bottom;
    // 获取当前字符的边界框
    FPDFText_GetCharBox(textPage, i, &left, &top, &right, &bottom);
    // 获取当前字符
    wchar_t character = FPDFText_GetChar(textPage, i);
    
    // 这里可以把字符和边界信息存储到你的数据结构里
}

// 记得释放资源
FPDFText_ClosePage(textPage);

2. 按行/文本块获取整体边界 #

如果不需要字符级的精度，只需要行或者某段文本的整体边界，可以用这些API：

• FPDFText_GetLineBounds：传入行索引，直接获取整行文本的边界框
• FPDFText_GetTextBounds：指定文本的起始和结束字符索引，获取这段文本的整体边界

举个按行处理的例子：

FPDF_TEXTPAGE textPage = FPDFText_LoadPage(pdfPage);
int totalLines = FPDFText_CountLines(textPage);

for (int i = 0; i < totalLines; ++i) {
    double left, top, right, bottom;
    FPDFText_GetLineBounds(textPage, i, &left, &top, &right, &bottom);
    // 获取该行的文本内容
    wchar_t lineText[1024];
    FPDFText_GetText(textPage, FPDFText_GetLineStart(textPage, i), FPDFText_GetLineEnd(textPage, i), lineText, sizeof(lineText)/sizeof(wchar_t));
    
    // 关联行文本和边界信息
}

FPDFText_ClosePage(textPage);

注意事项 #

• Pdfium的坐标原点在页面左下角，如果你习惯左上角为原点的坐标系，需要用页面高度 - 纵坐标来转换
• 所有文本操作完成后，一定要调用FPDFText_ClosePage释放资源，避免内存泄漏

内容的提问来源于stack exchange，提问作者Parthi