PDFBox定位坐标并提取相应文本

最新推荐文章于 2023-06-05 15:40:02 发布
最新推荐文章于 2023-06-05 15:40:02 发布
阅读量7k 收藏 4
点赞数
分类专栏： java 文章标签： PDFBox 坐标定位 范围提取
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/df198912/article/details/84023930
版权

说明

pdfbox解析pdf，因是对每一个字符都有坐标标记，会根据坐标对全篇文字排序后输出。若文章中表格存在行坐标不一致，极易导致解析乱排。

 

解决思路

1、定位表格起始、终止X/Y坐标

2、解析表格之外的文本

3、解析表格文本

4、串联起来

 

关键点

如何定位表格起始、终止X/Y坐标

pdfbox区域提取

 

代码实例：https://download.csdn.net/download/df198912/10781210

 

df198912
关注
  • 0
    点赞
  • 踩
  • 4
    收藏
    觉得还不错? 一键收藏
  • 1
    评论
专栏目录
【Java】基于Pdfbox解析PDF文档中指定位置的文字和图片
12-22
Extract Text – 使用PDFBox，您可以从PDF文件中提取Unicode文本。 Split & Merge – 使用PDFBox，您可以将单个PDF文件分成多个文件，并将它们合并为一个文件。 Fill Forms – 使用PDFBox，您可以在文档中填写表单...
提取pdf文件选定区域的内容
最新发布
06-14
使用java程序，多线程提取pdf文件中使用矩形框圈定的区域中的文本信息，并将其导出至文本文件中，包含pdfbox响应jar包，在eclipse2022.03、Java17环境下编译通过 链接地址 ...
PDFbox-PDF解析（坐标定位，分页读取）
qq_39225639的博客
08-03 8462
PDF解析入门案例介绍注意点案例创建项目引入依赖读取PDF文本内容读取所有页，所有文本按页读取文本按坐标读取 介绍 Apache PDFBox是一个开源Java库，支持PDF文档的开发和转换。 使用此库，您可以开发用于创建，转换和操作PDF文档的Java程序。 PDFbox这个PDF处理类库，我使用过程中，能够满足我在一些场景中的需求，达成了我想要的效果，最后在此做一个使用demo的介绍，希望能够给大家带来帮助！ Apache-PDFbox PDFvox-快速指南-WIKI 注意点 PDF内容是按坐标进行定
pdfBox获取关键字坐标
i_am_tomato的专栏
10-23 7337
pdfBox获取关键字坐标 前言 由于接触到一个对pdf做电子盖章的需求，因此需要对关键字进行提取，从而进行指定位置的电子盖章。 由于iText不是免费，所以选择了pdfBox，但奇怪的是，找了很多资料，也看了不少前人写的博客，发现并不能很好的实现，因此自己做了一个总结。 具体实现 所需要的jar包 1. pdfbox-2.0.17.jar 2. fontbox-2.0.17.jar 具体代码...
如何获取PDF文件中对应内容的坐标及范围？
热门推荐
qq_39225639的博客
08-03 1万+
如何获取PDF文件中对应内容的坐标及范围？介绍安装地址使用方式打开软件开启坐标显示坐标显示单位切换开启网格辅助线测量工具使用 介绍 这款来至Adobe公司旗下的PDF阅读器； 它免费提供的基础功能就可以正常获取内容坐标了，单纯作为这个用途是不用付费的，直接下载试用版就行。试用期结束了依然能够正常使用他提供的基础功能； 安装地址 安装地址：Adobe Acrobat DC 官网 使用方式 打开软件 开启坐标显示 左上角出现黑色显示区域即可，此时鼠标鼠标方式在PDF内容相应的位置，其坐标也会跟随着变化
java box边界_java – 使用PDFBox读取文本和图像位置(x.y坐标)
weixin_35473090的博客
02-16 874
看看org.apache.pdfbox.examples.util.PrintTextLocations.我已经使用了很多,对PDF文档中的元素和边界框的布局进行分析非常有帮助.它还显示了用白色墨水或可打印区域外打印的项目(可能是文档水印,或作者推出的“遗忘”项目).用法示例：java -cp app/target/pdfbox-app-1.5.0.jar org.apache.pdfbox.ex...
用pdfbox获取pdf内容及座标
dgywj的专栏
12-23 1506
1、引入maven依赖 <dependency> <groupId>org.apache.pdfbox</groupId> <artifactId>fontbox</artifactId> <version>2.0.17</version> </dependency> <dependenc...
Java使用 PDFBox 获取 PDF 中图像的坐标或位置和大小
allway2的博客
04-25 6771
在本教程中，我们将学习如何使用 PDFStreamEngine 从所有页面中获取 pdf 中图像的坐标或位置和大小。 org.apache.pdfbox.contentstream 类。PDFStreamEngine通过提供回调接口来处理和执行处理 PDF 文档的一些操作。 要获取pdf中图像的坐标或位置和大小，我们将扩展这个PDFStreamEngine类，拦截并实现processOperator(Operator operator, List<COSBase>operands)方法。 .
C# pdfbox解析pdf文字及图片(源码)
11-10
使用`PdfTextExtractor`类，你可以逐页提取文本。 ```csharp for (int page = 1; page ; page++) { // 提取页面上的文本 string text = PdfTextExtractor.GetTextFromPage(reader, page); // 在这里处理或存储...
获取pdf文件中指定文字的坐标 附源码
10-24
总结来说，获取PDF文件中指定文字的坐标是一项涉及PDF解析、文本定位和坐标转换的技术任务，需要借助特定的编程库和工具来实现。在实际项目中，根据需求可能会涉及到更多的技术细节和优化措施。
grid-ripper:从PDF提取文本为.csv格式，内容在一列中，其他列具有信息，例如文本在页面上的坐标
05-02
开膛手从PDF提取文本为.csv格式，内容在一列中，其他列具有信息，例如文本在页面上的坐标依赖项：PDFBox 2.X-假设您使用的是Eclipse IDE，则需要下载PDFBox并将jar文件拖到Eclipse项目的“ lib”文件夹中GridRipper...
pdfbox-2.0.8 jar包
01-26
开发者可以使用这个库进行各种任务，比如生成PDF，提取文本和图像，签署PDF，添加水印，甚至进行OCR（Optical Character Recognition）识别。对于PDFBox 2.0.8版本，它包含了对PDF规范的最新支持以及一些性能优化...
lucene
12-22
而PDFBox则是Apache的另一个开源项目，主要用于处理PDF文档，包括阅读、创建、编辑以及从PDF中提取文本和图像。 PDFBox-0.6.1.zip是PDFBox的一个旧版本发布，包含了该版本的源码、库文件以及其他相关资源。在这个...
Pdf2DB:从 PDF 中剥离文本和字段，将它们插入到数据库中
06-17
Pdf2DB 是一个Java开发的工具，其主要功能是从PDF文档中提取文本和特定的字段，然后将这些信息插入到数据库中，实现数据的自动化处理。这个项目对于那些需要定期处理大量PDF文档并将其内容存储到数据库的企业或个人...
C#生成PDF 读取PDF文本内容 获取PDF内图片_0520.rar
05-16
这些库提供了解析PDF文件并提取文本的功能。开发者可以指定页码或坐标来获取特定位置的文本，或者遍历整个文档提取所有文本。需要注意的是，PDF的结构可能复杂，文本可能嵌入在图形对象中，因此提取时可能需要进行...
使用PDFbox获取pdf文件的内容和图片
weixin_44001317的博客
05-05 1080
/</</</
pdfbox常用读取pdf内容方法
biankudingcha的专栏
08-16 1330
package com.orange; import java.awt.Rectangle; import java.awt.geom.Rectangle2D; import java.io.File; import java.util.Iterator; import javax.imageio.ImageIO; import org.apache.pdfbox.text.PDFTextStripper; import org.apache.pdfbox.text.PDFTextStripperB.
PDF文件中，如何根据关键字，获取坐标信息
孤鹰的博客
06-05 2349
/ Y坐标 在这里减去的字体的长度，也可以直接 idx[1] = textPositions.get(i).getPageHeight()-textPositions.get(i).getY()// X坐标 在这里加上了字体的长度，也可以直接 idx[0] = textPositions.get(i).getX()// 需要进行一些调整 使得章盖在字体上。String keyWords = "纪海祥";// 多页pdf的处理*/// 关键字字符数组。// PDF文件路径。// 当前页信息集合。
PDFBox中字符的字体高度及PDPageContentStream绘图坐标系不一致问题解析
weixin_44694371的博客
03-31 896
PDFBOX中真实字体高度获取，及绘图坐标系转换
如何通过pdfbox 获取pdf内指定文本所在坐标
04-19
您可以使用PDFTextStripper类中的processText方法获取PDF文本的坐标。首先，您需要使用PDFTextStripper类读取...然后，您可以使用getTextPositions方法获取每个字符或单词的坐标，并使用这些坐标来找到特定文本的位置。

“相关推荐”对你有帮助么？

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论 1
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值