itext7 - 提取PDF数据，线段位置和文本位置似乎没有相同的比例

Question

我正在使用 iText7 和修改后的提取策略提取 PDF 中行和文本的位置。无论采用何种提取策略，线段和文本的位置似乎都不在同一比例上。

这是最简单的提取策略，覆盖 LocationTextExtractionStrategy，线段位置的比例约为文本位置的 2/3。关于我错过了什么/做错了什么有什么建议吗？:

    class LocationStrategyTextAndLines : LocationTextExtractionStrategy
    {
        public List<TextChunk> textChunkResult = new List<TextChunk>();
        public List<Line> lineResult = new List<Line>();
        
        public override void EventOccurred(IEventData data, EventType type)
        {
            // get all line segments
            if (type.Equals(EventType.RENDER_PATH))
            {
                PathRenderInfo pRenderInfo = (PathRenderInfo)data;
                Path path = pRenderInfo.GetPath();
                path.ReplaceCloseWithLine();
                foreach (Subpath sPath in path.GetSubpaths())
                {
                    List<IShape> segments = (List<IShape>)sPath.GetSegments();
                    AddLines(segments);
                }
            }
            
            if (!type.Equals(EventType.RENDER_TEXT))
                return;
            
            // get text and text location info          
            TextRenderInfo renderInfo = (TextRenderInfo)data;
            Debug.WriteLine(renderInfo.GetText());
            string curFont = renderInfo.GetFont().GetFontProgram().ToString();
            float curFontSize = renderInfo.GetFontSize();

            TextChunk chunk = new TextChunk();
            chunk.text = renderInfo.GetText();

            Vector letterStart = renderInfo.GetBaseline().GetStartPoint();
            Vector letterEnd = renderInfo.GetAscentLine().GetEndPoint();
            float startX = Math.Min(letterStart.Get(0), letterEnd.Get(0));
            float startY = Math.Min(letterStart.Get(1), letterEnd.Get(1));

            Rectangle letterRect = new Rectangle(startX, startY, Math.Abs(letterEnd.Get(0) - letterStart.Get(0)), Math.Abs(letterEnd.Get(1) - letterStart.Get(1)));

            chunk.rect = letterRect;
            textChunkResult.Add(chunk);
            
        }
        
         private void AddLines(List<IShape> segments)
        {
            foreach (IShape segment in segments)
            {
                if (segment is Line) {
                lineResult.Add((Line)segment);
                }
            }
        }
        
    }
        
    public class TextChunk
    {
        public string text { get; set; }
        public Rectangle rect { get; set; }

        public TextChunk()
        {
        }

        public TextChunk(string text, Rectangle rect)
        {
            this.text = text;
            this.rect = rect;
        }
    }

我尝试了多种提取文本和线条的方法，但结果始终相同。如果有帮助的话，如果我在页面大小的画布上重新绘制数据，则文本块似乎位于正确的位置，但线段彼此之间的组织方式正确，但比例约为 2/3。

Answer 1

我发现了线段的 X 和 Y 缩放因子，我应用了它，它似乎工作正常。

pathRenderInfo.GetGraphicsState().GetCtm();