一键难忘520

这个屌丝很懒，什么也没留下！

热门标签

Java PDFBox提取PDF中字符的坐标或位置 -_pdfbox获取关键字坐标

作者：一键难忘520 | 2024-06-22 00:58:58

踩

pdfbox获取关键字坐标

为了提取 pdf 中字符的坐标或位置和大小，我们将扩展 PDFTextStripper 类，拦截并实现 writeString(String string, List<TextPosition> textPositions)方法。

org.apache.pdfbox.contentstream 类。PDFTextStripper 去除所有文本。

writeString() 方法中的List<TextPosition> 包含有关字符的信息，例如是否其 Unicode、字符的 X 坐标、Y 坐标、高度、宽度、x 缩放值、y 缩放值、字体大小、空间宽度等。

提取PDF中字符坐标的步骤

以下是在 PDF 中提取字符的坐标或位置的分步过程。

1.扩展PDFTextStripper

创建一个 Java 类并使用 PDFTextStripper 对其进行扩展。

public class GetCharLocationAndSize extends PDFTextStripper {

. . .

}

2.调用writeText方法

设置页面边界（从第一页到最后一页）以去除文本并调用方法 writeText()。

PDFTextStripper stripper = new GetCharLocationAndSize();

stripper.setSortByPosition( true );

stripper.setStartPage( 0 );

stripper.setEndPage( document.getNumberOfPages() );

Writer dummy = new OutputStreamWriter(new ByteArrayOutputStream());

stripper.writeText(document, dummy);

3.覆盖writeString

writeString 方法接收有关字符在流中的文本位置的信息。我们将重写 writeString 方法，如下所示。

@Override

protected void writeString(String string, List<TextPosition> textPositions) throws IOException {

. . .

}

4. 打印位置和尺寸

对于单个字符的 TextPosition 列表中的每个项目，打印坐标和大小。

示例 1 – 提取 PDF 中字符的坐标或位置

在此示例中，我们将获取带有文本的 PDF，并提取字符的 (X, Y) 坐标。

GetCharLocationAndSize.java

import org.apache.pdfbox.pdmodel.PDDocument;

import org.apache.pdfbox.text.PDFTextStripper;

import org.apache.pdfbox.text.TextPosition;

import java.io.ByteArrayOutputStream;

import java.io.File;

import java.io.IOException;

import java.io.OutputStreamWriter;

import java.io.Writer;

import java.util.List;

/**

* This is an example on how to get the x/y coordinates and size of each character in PDF

*/

public class GetCharLocationAndSize extends PDFTextStripper {

public GetCharLocationAndSize() throws IOException {

}

/**

* @throws IOException If there is an error parsing the document.

*/

public static void main( String[] args ) throws IOException {

PDDocument document = null;

String fileName = "apache.pdf";

try {

document = PDDocument.load( new File(fileName) );

PDFTextStripper stripper = new GetCharLocationAndSize();

stripper.setSortByPosition( true );

stripper.setStartPage( 0 );

stripper.setEndPage( document.getNumberOfPages() );

Writer dummy = new OutputStreamWriter(new ByteArrayOutputStream());

stripper.writeText(document, dummy);

}

finally {

if( document != null ) {

document.close();

}

/**

* Override the default functionality of PDFTextStripper.writeString()

*/

@Override

protected void writeString(String string, List<TextPosition> textPositions) throws IOException {

for (TextPosition text : textPositions) {

System.out.println(text.getUnicode()+ " [(X=" + text.getXDirAdj() + ",Y=" +

text.getYDirAdj() + ") height=" + text.getHeightDir() + " width=" +

text.getWidthDirAdj() + "]");

}

输出

2 [(X=26.004425,Y=22.003723) height=5.833024 width=5.0907116]

0 [(X=31.095137,Y=22.003723) height=5.833024 width=5.0907116]

1 [(X=36.18585,Y=22.003723) height=5.833024 width=5.0907097]

7 [(X=41.276558,Y=22.003723) height=5.833024 width=5.0907097]

- [(X=46.367268,Y=22.003723) height=5.833024 width=2.8872108]

8 [(X=49.25448,Y=22.003723) height=5.833024 width=5.0907097]

- [(X=54.34519,Y=22.003723) height=5.833024 width=2.8872108]

6 [(X=57.2324,Y=22.003723) height=5.833024 width=5.0907097]

W [(X=226.4448,Y=22.003723) height=5.833024 width=7.911499]

e [(X=233.88747,Y=22.003723) height=5.833024 width=4.922714]

l [(X=238.81018,Y=22.003723) height=5.833024 width=2.2230377]

c [(X=241.03322,Y=22.003723) height=5.833024 width=4.399185]

o [(X=245.4324,Y=22.003723) height=5.833024 width=4.895355]

m [(X=250.32776,Y=22.003723) height=5.833024 width=7.7943115]

e [(X=258.12207,Y=22.003723) height=5.833024 width=4.922699]

如果您想使用相同的 PDF 文件，请在此处下载 PDF 文档apache.pdf 。否则，您可以在 Java 程序中为您的 PDF 文件路径分配文件名。

结论

在本PDFBox 教程中，我们学习了提取 PDF 文档中字符的坐标或位置，以及提取 Unicode、X 坐标、Y 坐标、高度、宽度、x 缩放值、y 缩放值、字体大小、空间的方法宽度等。

声明：本文内容由网友自发贡献，不代表【wpsshop博客】立场，版权归原作者所有，本站不承担相应法律责任。如您发现有侵权的内容，请联系我们。转载请注明出处：https://www.wpsshop.cn/w/一键难忘520/article/detail/744810