首页 文章

PDFBOX，逐行阅读pdf并提取文本属性

提问于
浏览 次
0

我正在使用pdfbox从pdf文件中提取文本 . 我阅读pdf文件如下

PDFParser parser = null;
    String text = "";
    PDFTextStripper stripper = null;
    PDDocument pdoc = null;
    COSDocument cdoc = null;
    File file = new File("path");

    try {
        parser = new PDFParser(new FileInputStream(file));
    } catch (IOException e) {
        e.printStackTrace();
    }

    try {
        parser.parse();
        cdoc = parser.getDocument();
        stripper = new PDFTextStripper();
        pdoc = new PDDocument(cdoc);
        stripper.setStartPage(1);
        stripper.setEndPage(2);
        text = stripper.getText(pdoc);
        System.out.println(text);
    } catch (IOException e) {
        e.printStackTrace();
    }

但我想要做的是逐行阅读文档并从每一行中提取文本属性，如粗体，斜体 . 我怎样才能通过pdfbox库实现这一目标

pdfbox

1 回答

  • 3

    从每一行中提取文本属性，如粗体，斜体 . 我怎样才能通过pdfbox库实现这一目标

    粗体和斜体等属性不是PDF中的第一类属性 .

    Bold 或使用PDF格式的斜体书写

    • 不同的字体（这是更好的方式）;在这种情况下，可以尝试确定字体是粗体还是斜体

    • 查看字体名称：它可能包含子字符串“bold”，“italic”，“oblique”......

    • 查看字体的一些可选属性，例如字体重量...

    • 检查嵌入的字体文件 .

    这些方法都不是万无一失的;要么

    • 使用与非粗体非斜体文本相同的字体，但使用特殊技术使它们显示为粗体或斜体（又名穷人的粗体），例如

    • 不仅可以填充字形轮廓，还可以沿着它绘制更粗的线条，以获得大胆的印象，

    • 画了两次雕文，第二次稍微移位，也是为了大胆的印象，

    • 使用文本或转换矩阵倾斜字母以显示斜体 .

    通过相应地重写 PDFTextStripper 方法，您可以在PDF文本提取期间获得相当好的样式猜测率 .

    回复于

相关问题