用pdfbox获取pdf内容及座标

1、引入maven依赖

 <dependency>   
          <groupId>org.apache.pdfbox</groupId>   
          <artifactId>fontbox</artifactId>   
          <version>2.0.17</version> 
        </dependency> 
        <dependency>  
          <groupId>org.apache.pdfbox</groupId>  
          <artifactId>pdfbox</artifactId> 
          <version>2.0.17</version> 
</dependency>

2、代码：

package com.example.test.pdf.pdfbox;

import java.io.FileInputStream;
import java.io.FileNotFoundException;
import java.io.IOException;
import java.io.InputStream;
import java.util.List;

import org.apache.pdfbox.pdmodel.PDDocument;
import org.apache.pdfbox.pdmodel.PDPage;
import org.apache.pdfbox.text.PDFTextStripper;
import org.apache.pdfbox.text.TextPosition;

import lombok.extern.slf4j.Slf4j;

@Slf4j
public class PdfText {

    public static void main(String[] args) throws FileNotFoundException {
        InputStream fileStream = new FileInputStream("C:\\Users\\Administrator\\Desktop\\temp\\PO-0006235643 1-12.pdf");
        String content = getTextFromPdf(fileStream, true);
        System.out.println(content);
    }
    
       /**
     * 获取pdf中的文字
     * @param pdfFile
     * @param sort 是否有序
     * @return
     * @throws Exception
     */
    public static String getTextFromPdf(InputStream fileStream, boolean sort) {
        int startPage = 1;
        String content = null;
        PDDocument document = null;
        try {
            // 加载 pdf 文档
            document = PDDocument.load(fileStream);
            int endPage = null == document ? Integer.MAX_VALUE : document.getNumberOfPages();
            
            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,%s]", firstProsition.getXDirAdj(), firstProsition.getYDirAdj()));
                        startOfLine = false;
                    }
                    super.writeString(text, textPositions);
                }
                boolean startOfLine = true;
            };
            
            stripper.setSortByPosition(sort);
            stripper.setStartPage(startPage);
            stripper.setEndPage(endPage);
            content = stripper.getText(document);
            
            log.info(content);
        } catch (Exception e) {
            log.error(e.getMessage(), e);
        }
        return content;

    }
}
 

输出内容 

 [284.7,44.700012]测试内容
[290.7,53.099976]7 Times Square
[289.55,61.5]文字内容
[271.75,69.900024]文字内容文字内容
[455.05,81.650024]文字内容文字内容
[455.05,93.0]文字内容文字内容

参考：https://www.it1352.com/1736053.html