Guides

页面文本提取

ComPDF React Native SDK 提供页面文本接口，用于从指定 PDF 页面中提取文本内容。你可以获取整页文本、矩形区域内的文本、页面文本行集合，也可以根据某一行的位置信息获取对应行文本。

获取整页文本

使用 getAllText() 获取当前页面的全部文本。

const page = pdfReaderRef.current?._pdfDocument.pageAtIndex(0);
const text = await page?.getAllText();

console.log("Page text:", text);

如果页面没有文本层，例如扫描件图片 PDF，结果通常为空字符串。

获取矩形区域内文本

使用 getTextInRect(rect) 获取页面指定矩形范围内的文本。

const page = pdfReaderRef.current?._pdfDocument.pageAtIndex(0);

const text = await page?.getTextInRect({
  left: 40,
  top: 120,
  right: 300,
  bottom: 180,
});

console.log("Text in rectangle:", text);

rect 使用 CPDFRectF 结构，坐标为页面坐标：

type CPDFRectF = {
  left: number;
  top: number;
  right: number;
  bottom: number;
};

获取页面文本行

使用 getTextLines() 获取当前页面的文本行集合。

const page = pdfReaderRef.current?._pdfDocument.pageAtIndex(0);
const lines = await page?.getTextLines();

console.log("Line count:", lines?.length ?? 0);

每个文本行使用 CPDFTextLine 表示：

type CPDFTextLine = {
  pageIndex: number;
  lineIndex: number;
  location: number;
  length: number;
  rect: CPDFRectF;
};

字段说明：

字段	说明
pageIndex	行所在页面索引，从 0 开始
lineIndex	行在当前页面文本行集合中的索引，从 0 开始
location	行文本在页面文本中的起始字符位置
length	行文本字符长度
rect	行在页面坐标系中的矩形范围

获取指定行文本

使用 getTextByLine(line) 获取某个文本行对应的实际文本。

const page = pdfReaderRef.current?._pdfDocument.pageAtIndex(0);
const lines = await page?.getTextLines();

if (page && lines && lines.length > 0) {
  const firstLineText = await page.getTextByLine(lines[0]);
  console.log("First line:", firstLineText);
}

传入的 line 应来自同一页面的 getTextLines() 返回结果。如果将其他页面的 line 传给当前页面，接口会返回错误。

完整示例

下面示例演示如何一次性读取整页文本、矩形区域文本、页面行数量和第一行文本。

import { useRef } from "react";
import { Button } from "react-native";
import { CPDFReaderView } from "@compdfkit_pdf_sdk/react_native";

export default function PageTextExample() {
  const pdfReaderRef = useRef<CPDFReaderView>(null);

  const extractPageText = async () => {
    const page = pdfReaderRef.current?._pdfDocument.pageAtIndex(0);
    if (!page) {
      return;
    }

    const allText = await page.getAllText();

    const rectText = await page.getTextInRect({
      left: 40,
      top: 120,
      right: 300,
      bottom: 180,
    });

    const lines = await page.getTextLines();
    const firstLineText =
      lines.length > 0 ? await page.getTextByLine(lines[0]) : "";

    console.log("All text length:", allText.length);
    console.log("Rectangle text:", rectText);
    console.log("Line count:", lines.length);
    console.log("First line:", firstLineText);
  };

  return (
    <>
      <CPDFReaderView
        ref={pdfReaderRef}
        document="file:///path/to/sample.pdf"
        style={{ flex: 1 }}
      />
      <Button title="Extract Text" onPress={extractPageText} />
    </>
  );
}

注意事项

• 页面文本接口依赖已挂载的 CPDFReaderView，请在文档加载完成后调用。
• 扫描件或无文本层 PDF 可能返回空字符串或空数组。
• getTextInRect(rect) 和 CPDFTextLine.rect 使用页面坐标，不是屏幕坐标。
• getTextByLine(line) 应使用同一页面 getTextLines() 返回的 line。
• 如果需要搜索关键词，请继续使用现有 CPDFTextSearcher。