JAVA PDFbox 坐标选区提取文字

本文介绍了如何利用JAVA的PDFbox库,通过坐标矩形选区从PDF中提取文字。PDFbox默认按行提取,但通过坐标选择可以满足非顺序排列的文本提取需求。文中提供了解析矩形区域和提取所有文本的步骤及代码示例。
摘要由CSDN通过智能技术生成

pdfboxjar包默认是按照行来提取文字的,但是我们的pdf可能并是按照行来进行排序的,那么我们就可能用到坐标矩形选区操作,选取固定区域的文字,原理大家不必纠结,我们只需要拿来用即可,他只是一个工具类,需要时,我们还可以去查与官方文档,去组装自己需要的功能。

提取矩形区域内容:

1、导入pdfboxjar包(每个版本的操作都不一样),这里我使用的是maven

<dependency>
   	<groupId>org.apache.pdfbox</groupId>
   	<artifactId>pdfbox</artifactId>
    <version>1.8.13</version>
</dependency>

2、使用如下代码可以提取文字

import org.apache.pdfbox.pdmodel.PDDocument;
import org.apache.pdfbox.pdmodel.PDPage;
import org.apache.pdfbox.util.PDFTextStripperByArea;

import java.awt.Rectangle;
import java.io.File;
import java.util.List;


public class ExtractTextByArea{
	

	public static void main( String[] args ) throws Exception{
		String file = "C:/Users/Desktop/Wistron 201808 KR HK08 Sorting Handling Fee Invoice 6000499146.p
评论 7
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
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
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