我一直在使用pdfbox从PDF中提取文本信息 . 我成功地解析了文本的所有属性,如fontname,fontface,size,position等 .
PROBLEM: 我正在使用pdfbox1.2.1(最新版本) . TextPosition类中的getCharacter()返回除最后一个字符之外的完整字符串 . 最后一个字符被解析为单独的字符串 .
例如:“你好吗”被解析为“如何哟”和“你”(2个单独的字符串) .
我不希望它发生那种方式..
有没有人来过这个? ..我做错了什么??等待回复..
谢谢和问候,Magggi
2 回答
这个问题解决了 .
processEncodedText( byte[] string )
中的以下代码PDFStreamEngine.java
应该改为
此致,Maggi
是 . 此问题由pdfbox解决 .
尝试最新版本的pdfbox . 最新版本可以从http://pdfbox.apache.org/download.html下载