使用PDFbox从区域中提取文本 [英] Extracting text from an area with PDFbox

查看:808
本文介绍了使用PDFbox从区域中提取文本的处理方法,对大家解决问题具有一定的参考价值,需要的朋友们下面随着小编来一起学习吧!

问题描述

是否可以仅使用二进制文件从具有 PDFbox 的区域中提取文本创建我自己的代码?

is it possible to extract text from an area with PDFbox using just the binaries instead of having to create my own code?

推荐答案

编译此简单程序并将其打包到jar中

Compile and pack this simple program into a jar

import java.awt.geom.Rectangle2D;
import java.io.File;
import java.io.IOException;

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

public class ExtractText {

    // Usage: xxx.jar filepath page x y width height
    public static void main(String[] args) throws IOException {

        if (args.length != 6) {
            System.out.println("Help info");
            return;
        }



        // Parameters
        String filepath = args[0];

        int page = Integer.parseInt(args[1]);
        int x = Integer.parseInt(args[2]);
        int y = Integer.parseInt(args[3]);
        int width = Integer.parseInt(args[4]);
        int height = Integer.parseInt(args[5]);

        PDDocument document = PDDocument.load(new File(filepath));

        PDFTextStripperByArea textStripper = new PDFTextStripperByArea();
        Rectangle2D rect = new java.awt.geom.Rectangle2D.Float(x, y, width, height);
        textStripper.addRegion("region", rect);


        PDPage docPage = document.getPage(page);

        textStripper.extractRegions(docPage);

        String textForRegion = textStripper.getTextForRegion("region");

        System.out.println(textForRegion);
    }
}

从命令行运行它,例如:

Run it from command line, ex:

xxx.jar  filepathToPdf pageToExtract  x   y   width height

为参数和一些用法信息添加验证码.

Add validation code for parameters and some usage info.

修改

还添加PDFbox库

java -cp "..." -jar xxx.jar  filepathToPdf  pageToExtract  x  y  width   height 

这篇关于使用PDFbox从区域中提取文本的文章就介绍到这了,希望我们推荐的答案对大家有所帮助,也希望大家多多支持IT屋!

查看全文
登录 关闭
扫码关注1秒登录
发送“验证码”获取 | 15天全站免登陆