我是java编程的新手....我需要提取每个tables and images as per source,我试图提取文本使用pdfbox,但我只得到文本和文本属性。如何识别表格、图像、列表等。使用java程序。
是否可以在pdf文件中识别...?
我使用的模块是PDFbox,如果有任何想法进一步处理...,
我的工作是删除PDF中的水印。我在PDF中发现了一些带有一定角度的文本水印。因此,我可以根据文本的角度来判断该文本是否为可能的水印。现在我有一个问题来获得文本的旋转角度。 我试着调用TextPositon.getRation(),TextPositon.getDir(),我也引用了Rotate text in pdfbox with java。 mkl在PDFBox text extraction, rotation and font name, size上说“你的getDir只返回90°的倍数,但文本可以从任意角度绘制”,但我仍然感到困惑。
我有一个包含链接(PDActions)的文本数据列表,这些链接可能需要在多个页面上呈现。(见下文)
**Table of Contents**
document1 link 5
document2 link 8
document3 link 11
是否有一种简单的方法只需打印所有这些内容并让PDFBox决定包装文本并根据需要将它们放在多个页面中。给我最后一个PDDocument
关于这个主题有多个答案,比如 one
我正在从PDF文档中提取文本。此PDF是使用WS从AS400读取数据生成的。因此,在打印文本时,输出如下:
orem ipsum dolor sit amet, **«VS123»** In eros risus, «VS124» sed felis quis, commodo interdum tellus. Donec vitae massa
is 123、is 124是is 400中的变量。Java APi无法从变量及其打印变量名中读取值,而不能读取变量值。
我使用PDFBox 提取文本。代码源代码类似于:
import java.io.File;
import java.io.IOE
我想知道微软.NET中是否有一些PDF库能够通过给出坐标来提取文本。
例如(在伪代码中):
PdfReader reader = new PdfReader();
reader.Load("file.pdf");
// Top, bottom, left, right in pixels or any other unit
string wholeText = reader.GetText(100, 150, 20, 50);
我尝试使用PDFBox for .NET (在IKVM之上工作),但没有运气,而且它似乎非常过时,而且没有文档记录。
也许任何人都有使用PDFBox、
是的,这似乎是一个奇怪的问题,但我无法在PDFBox中呈现彩色文本。 通常,生成文本的代码如下所示: //create some document and page...
PDDocument document = new PDDocument();
PDPage page = new PDPage(PDRectangle.A4);
//defined some font
PDFont helveticaRegular = PDType1Font.HELVETICA;
//content stream for writing the text
PDPageContentStream co
我正在使用PDFBox从几个PDF文档中提取文本,在运行我的单元测试套件(通过gradle)时,我得到了由NullPointerException引起的间歇性故障--我现在的基本假设是,它是由试图同时将字体加载到字体字典缓存的多个线程造成的。
我知道,,PDFBox并不是threadsafe --但我从它和中得到的印象是,这与同时访问文档的多个线程特别相关,而且评论似乎表明,字体盒缓存应该是线程安全。
我在单元测试中遇到的例外是:
WARNING: Using fallback font 'LiberationSans-Bold' for 'Arial-BoldItal
PDFTextStripper具有从整个文档中提取文本的功能,是否只有在某个值被识别后才能提取文本,例如:
A B C D G 1 line
A B C D G 2 line
A B C D G 3 line
QUANTITY 4 line
我想在找到数量(字符串)后开始提取文本,如果有人处理PDFBox并提出一些建议,我将非常感激。
或者,只有当列表在文本包含的值之后命中一行时,才能将其添加到列表中?
我从Matlab打电话给PDFBox,想知道在一个PDF中有多少页。所有的工作与Matlba,2016年b和以前都很好。我可以导入库并加载PDF,而不会出现问题:
import org.apache.pdfbox.pdmodel.PDDocument;
pdfFile = PDDocument.load(filename);
当我在207 a运行相同的东西时,我会得到以下错误:
No method 'load' with matching signature found for class
'org.apache.pdfbox.pdmodel.PDDocument&