一般
要使用 PDFBox 提取文本（带有或不带有位置、颜色等额外信息），您可以实例化 PDFTextStripper 或从它派生的类并像这样使用它：
PDFTextStripper stripper = new PDFTextStripper();
String text = stripper.getText(document);
（有许多PDFTextStripper 属性允许您限制从中提取文本的页面。）
在getText的执行过程中，相关页面的内容流（以及从这些页面引用的xObjects形式的内容流）被解析并处理文本绘制命令。
如果要更改文本提取行为，则必须更改此文本绘制命令处理，这通常应通过覆盖此方法来执行：
/**
* Write a Java string to the output stream. The default implementation will ignore the <code>textPositions</code>
* and just calls {@link #writeString(String)}.
*
* @param text The text to write to the stream.
* @param textPositions The TextPositions belonging to the text.
* @throws IOException If there is an error when writing the text.
*/
protected void writeString(String text, List<TextPosition> textPositions) throws IOException
{
writeString(text);
}
如果您还需要知道新行何时开始，您可能还需要覆盖
/**
* Write the line separator value to the output stream.
* @throws IOException
* If there is a problem writing out the lineseparator to the document.
*/
protected void writeLineSeparator( ) throws IOException
{
output.write(getLineSeparator());
}
writeString 可以被覆盖以将文本信息引导到单独的成员中（例如，如果您可能希望结果的格式比单纯的 String 更结构化），或者可以覆盖它以简单地将一些额外信息添加到结果String。
writeLineSeparator 可以被覆盖以触发行之间的某些特定输出。
有更多方法可以被覆盖，但一般来说您不太可能需要它们。
手头的情况
我正在使用 PDFBox 从 pdf 中提取信息，而我目前正在尝试查找的信息与该行中第一个字符的 x 位置有关。
这可以实现如下（只需在每一行的开头添加信息）：
PDFTextStripper stripper = new PDFTextStripper()
{
@Override
protected void startPage(PDPage page) throws IOException
{
startOfLine = true;
super.startPage(page);
}
@Override
protected void writeLineSeparator() throws IOException
{
startOfLine = true;
super.writeLineSeparator();
}
@Override
protected void writeString(String text, List<TextPosition> textPositions) throws IOException
{
if (startOfLine)
{
TextPosition firstProsition = textPositions.get(0);
writeString(String.format("[%s]", firstProsition.getXDirAdj()));
startOfLine = false;
}
super.writeString(text, textPositions);
}
boolean startOfLine = true;
};
text = stripper.getText(document);
（ExtractText.java 方法 extractLineStart 由 testExtractLineStartFromSampleFile 测试）