使用iText7 C#区分PDF文件中的空白页VS X-Cross页面

如何解决使用iText7 C#区分PDF文件中的空白页VS X-Cross页面

我正在使用 IText7 将一个 PDF 文档拆分为多个 PDF 文档。例如，我有一个包含多个页面组合的 PDF 文档。

• 第 1 页 - 带有 X 十字符号的页面
• 第 2 页 - 空白页
• 第 3 页 - 带文本的页面
• 第 4 页 - 带有 X 十字符号的页面
• 第 5 页 - 空白页
• 第 6 页 - 带文本的页面
• 第 7 页 - 带有 X 十字符号的页面

当我尝试阅读页面详细信息的文本时，第 1 页和第 2 页都将文本返回为空。

我的问题是：如何确定空白页和带有 X-Cross 符号的页面？任何帮助将不胜感激。

解决方法

您在评论中解释了 X 十字符号实际上是一个位图图像。因此，要检查页面上是否有这样的符号，您必须应用位图图像提取，而不是文本提取。有很多关于堆栈溢出时位图图像提取的问题和答案，例如 this answer 由 iText 7 开发团队的 Alexey Subach 撰写。

如果幸运的话，空白页确实是空白（并且不包含例如纯白色或纯透明的位图图像）。在这种情况下，您只需要检查页面是否有 (a) 任何文本（您已经检查过）以及它是否有 (b) 任何位图：

• 如果两者都没有，则为空白页。
• 如果它只有一个图像，它是一个带有 X-Cross 符号的页面。
• 如果它有文本，它就是一个带有文本的页面。

如果事情更复杂，你必须更仔细地看，例如分析在页面上找到的位图。如果所有这些 X-Cross 符号位图都相同，例如，您可以将找到的位图图像与您首先提取的示例图像进行比较。