我需要从 pdf 中提取一段文本。此文本与特征具有相同的字体系列。有任何想法吗？ 干杯
编辑： 让我换个方式问这个问题：如何从 pdf 页面中提取“粗体”文本？
【问题讨论】：
PDFTextStripper 派生出自己的文本提取类，并在其中过滤要添加到提取文本中的数据。但是，根据您的源 PDF，实际问题可能是识别粗体文字。有时，如果使用真正的粗体字体来宣布它的粗体，这很容易。但是，有时字体无法分辨，有时使用机制来模拟粗体，例如使用较小的偏移量进行双重绘图或使用较大的笔划值进行绘图。我不确定 PDFBox 是否能够立即识别所有这些技术。
标签： java pdf pdfbox extraction
public String pdftoText(String fileName){
try {
File f = new File(fileName);
if (!f.isFile()) {
System.out.println("File not exist.");
return null;
}
parser = new PDFParser(new FileInputStream(f));
parser.parse();
cosDoc = parser.getDocument();
pdfStripper = new PDFTextStripper();
pdDoc = new PDDocument(cosDoc);
parsedText = pdfStripper.getText(pdDoc);
cosDoc.close();
pdDoc.close();
return parsedText;
} catch (IOException ex) {
Logger.getLogger(PDFTextParser.class.getName()).log(Level.SEVERE, null, ex);
return null;
}
}
运行前：将 pdfbox.jar 添加到您的项目中
【讨论】：