将 highlights/annotations 映射到 pdf 中的文本
mapping highlights/annotations to text in pdf
所以我有这个示例 pdf 文件，在不同的行上有三个词：
"
hello
there
world
"
我在第二行突出显示了单词“there”。在内部，在 pdf 中，我试图将 highlight/annotation 结构映射到文本 (BT) 区域。
单词“那里”对应的部分看起来是这样的：
BT
/F0 14.6599998 Tf
1 0 0 -1 0 130 Tm
96 0 Td <0057> Tj
4.0719757 0 Td <004B> Tj
8.1511078 0 Td <0048> Tj
8.1511078 0 Td <0055> Tj
4.8806458 0 Td <0048> Tj
ET
我还有一个注释部分，其中我的突出显示具有以下矩形尺寸：
18 0 19 15 20 694 21 786 22 853 23 1058 24 1331 [19 0 R 20 0 R]<</AP<</N 10 0 R>>
...
(I left the top part of the annotation out on purpose because it is long. I extracted what i thought were the most important parts.
Rect[68.0024 690.459 101.054 706.37]
我对我的文本如何映射到我拥有的这一高亮显示感到困惑。坐标似乎不匹配（130 y vs 690 y）？我是否在正确的位置查看并解释了我的文本 and/or 正确突出显示注释坐标？
更新：
我想添加更多关于我如何创建此测试 pdf 的信息。
重新创建 pdf 非常简单。我去了 google 文档并创建了一个空文档。在三行上，我如上所述写了我的文本。我将其下载为 pdf 格式，然后在 adobe acrobat reader DC（我认为是最新的）中打开它。然后我使用 adobe acrobat reader 突出显示指定的行并重新保存它。之后，我使用了一些 python 来解压缩 pdf 部分。
python 解压缩 pdf 部分的代码：
import re
import zlib
pdf = open("helloworld.pdf", "rb").read()
stream = re.compile(r'.*?FlateDecode.*?stream(.*?)endstream', re.S)
for s in stream.findall(pdf):
s = s.strip('\r\n')
try:
print(zlib.decompress(s))
print("")
except:
pass
不幸的是，OP 只解释了他是如何创建文档的，并没有分享文档本身。我按照他的指示进行操作，但注释的坐标不同。不过，由于我只有这份文件用于解释，因此 OP 将不得不根据他的文件中的精确数字在心理上调整以下内容。
起始坐标系
文档中的起始（默认）用户坐标系由裁剪框暗示。在手边的文档中，裁剪框定义为
/CropBox [0 0 596 843]
即可见页面的宽度为 596 个单位，高度为 843 个单位（默认用户单位为 1/72"，这是 A4 格式），原点位于左下角。x 坐标向右增加，y坐标向上增加。因此，通常也是数学开始的坐标系。
注释矩形
这也是标注矩形坐标的坐标系
就目前的情况而言，他们是
/Rect [68.0595 741.373 101.138 757.298]
即左下角在 (68.0595, 741.373) 和右上角在 (101.138, 757.298) 的矩形。
坐标系变换
在页面内容流中，直到 OP 已经识别的文本对象，坐标系被变换了很多次。
镜像、翻译
在页面内容的第一行
1 0 0 -1 0 843 cm
此变换将原点向上移动 843 个单位并镜像（乘以 -1）y 坐标。
这样，现在就有了一个坐标系，原点在左上，y坐标向下递增
缩放
稍后在内容流中缩放坐标系
.75062972 0 0 .75062972 0 0 cm
因此，坐标单元被压缩到其原始宽度和高度的大约 3/4，即每个单元沿 x 或 y 仅为 1/96" wide/high.
文本“那里”
只有将这些变换应用于坐标系后，才会绘制 OP 标识的文本对象。它从设置和更改文本矩阵开始：
1 0 0 -1 0 130 Tm
这将文本矩阵设置为在 y 方向平移 130 个单位并再次镜像 y 坐标。 （再次向后镜像是必要的，否则文本将被颠倒绘制。）
96 0 Td
这通过沿 x 轴移动 96 个单位来更改文本矩阵。
并且绘制文字的起点是坐标系的原点，先镜像和平移，然后对当前变换矩阵进行缩放，再根据文字进行镜像和平移矩阵.
匹配吗？
这个点在默认的用户坐标系中是哪个坐标？
x = (0 + 96) * .75062972 = 72 (approximately)
y = (((0 * (-1)) + 130) * .75062972) * (-1) + 843 = 745,4 (approximately)
这与 x 坐标在 68.0595 和 101.138 之间，y 坐标在 741.373 和 757.298 之间的注释矩形（见上文）匹配。
所以
I'm kind of confused about how my text is mapped to this one highlight that I have. The coordinates do not seem to match (130 y vs 690 y)? Am I looking in the right place and interpreting my text and/or highlight annotation coordinates correctly?
坐标确实匹配，您只需确保应用当前变换矩阵和文本矩阵的变换即可。
所以我有这个示例 pdf 文件，在不同的行上有三个词：
"
hello
there
world
"
我在第二行突出显示了单词“there”。在内部，在 pdf 中，我试图将 highlight/annotation 结构映射到文本 (BT) 区域。
单词“那里”对应的部分看起来是这样的：
BT
/F0 14.6599998 Tf
1 0 0 -1 0 130 Tm
96 0 Td <0057> Tj
4.0719757 0 Td <004B> Tj
8.1511078 0 Td <0048> Tj
8.1511078 0 Td <0055> Tj
4.8806458 0 Td <0048> Tj
ET
我还有一个注释部分，其中我的突出显示具有以下矩形尺寸：
18 0 19 15 20 694 21 786 22 853 23 1058 24 1331 [19 0 R 20 0 R]<</AP<</N 10 0 R>>
...
(I left the top part of the annotation out on purpose because it is long. I extracted what i thought were the most important parts.
Rect[68.0024 690.459 101.054 706.37]
我对我的文本如何映射到我拥有的这一高亮显示感到困惑。坐标似乎不匹配（130 y vs 690 y）？我是否在正确的位置查看并解释了我的文本 and/or 正确突出显示注释坐标？
更新：
我想添加更多关于我如何创建此测试 pdf 的信息。
重新创建 pdf 非常简单。我去了 google 文档并创建了一个空文档。在三行上，我如上所述写了我的文本。我将其下载为 pdf 格式，然后在 adobe acrobat reader DC（我认为是最新的）中打开它。然后我使用 adobe acrobat reader 突出显示指定的行并重新保存它。之后，我使用了一些 python 来解压缩 pdf 部分。 python 解压缩 pdf 部分的代码：
import re
import zlib
pdf = open("helloworld.pdf", "rb").read()
stream = re.compile(r'.*?FlateDecode.*?stream(.*?)endstream', re.S)
for s in stream.findall(pdf):
s = s.strip('\r\n')
try:
print(zlib.decompress(s))
print("")
except:
pass
不幸的是，OP 只解释了他是如何创建文档的，并没有分享文档本身。我按照他的指示进行操作，但注释的坐标不同。不过，由于我只有这份文件用于解释，因此 OP 将不得不根据他的文件中的精确数字在心理上调整以下内容。
起始坐标系
文档中的起始（默认）用户坐标系由裁剪框暗示。在手边的文档中，裁剪框定义为
/CropBox [0 0 596 843]
即可见页面的宽度为 596 个单位，高度为 843 个单位（默认用户单位为 1/72"，这是 A4 格式），原点位于左下角。x 坐标向右增加，y坐标向上增加。因此，通常也是数学开始的坐标系。
注释矩形
这也是标注矩形坐标的坐标系
就目前的情况而言，他们是
/Rect [68.0595 741.373 101.138 757.298]
即左下角在 (68.0595, 741.373) 和右上角在 (101.138, 757.298) 的矩形。
坐标系变换
在页面内容流中，直到 OP 已经识别的文本对象，坐标系被变换了很多次。
镜像、翻译
在页面内容的第一行
1 0 0 -1 0 843 cm
此变换将原点向上移动 843 个单位并镜像（乘以 -1）y 坐标。
这样，现在就有了一个坐标系，原点在左上，y坐标向下递增
缩放
稍后在内容流中缩放坐标系
.75062972 0 0 .75062972 0 0 cm
因此，坐标单元被压缩到其原始宽度和高度的大约 3/4，即每个单元沿 x 或 y 仅为 1/96" wide/high.
文本“那里”
只有将这些变换应用于坐标系后，才会绘制 OP 标识的文本对象。它从设置和更改文本矩阵开始：
1 0 0 -1 0 130 Tm
这将文本矩阵设置为在 y 方向平移 130 个单位并再次镜像 y 坐标。 （再次向后镜像是必要的，否则文本将被颠倒绘制。）
96 0 Td
这通过沿 x 轴移动 96 个单位来更改文本矩阵。
并且绘制文字的起点是坐标系的原点，先镜像和平移，然后对当前变换矩阵进行缩放，再根据文字进行镜像和平移矩阵.
匹配吗？
这个点在默认的用户坐标系中是哪个坐标？
x = (0 + 96) * .75062972 = 72 (approximately)
y = (((0 * (-1)) + 130) * .75062972) * (-1) + 843 = 745,4 (approximately)
这与 x 坐标在 68.0595 和 101.138 之间，y 坐标在 741.373 和 757.298 之间的注释矩形（见上文）匹配。
所以
I'm kind of confused about how my text is mapped to this one highlight that I have. The coordinates do not seem to match (130 y vs 690 y)? Am I looking in the right place and interpreting my text and/or highlight annotation coordinates correctly?
坐标确实匹配，您只需确保应用当前变换矩阵和文本矩阵的变换即可。