Question

我正在使用pdfbox从pdf文件中提取文本。我阅读pdf文件如下

    PDFParser parser = null;
    String text = "";
    PDFTextStripper stripper = null;
    PDDocument pdoc = null;
    COSDocument cdoc = null;
    File file = new File("path");

    try {
        parser = new PDFParser(new FileInputStream(file));
    } catch (IOException e) {
        e.printStackTrace();
    }

    try {
        parser.parse();
        cdoc = parser.getDocument();
        stripper = new PDFTextStripper();
        pdoc = new PDDocument(cdoc);
        stripper.setStartPage(1);
        stripper.setEndPage(2);
        text = stripper.getText(pdoc);
        System.out.println(text);
    } catch (IOException e) {
        e.printStackTrace();
    }

但我想要做的是逐行阅读文档并从每一行中提取文本属性，如粗体，斜体。如何使用pdfbox库

实现这一目标

Answer 1

从每一行中提取粗体，斜体等文本属性。如何使用pdfbox库
实现这一目标

粗体和斜体等属性不是PDF中的第一类属性。

使用

实现

粗体或斜体以PDF格式书写

不同的字体（这是更好的方式）;在这种情况下，可以尝试通过
确定字体是粗体还是斜体
- 查看字体名称：它可能包含子字符串＆＃34;粗体＆＃34;，＆＃34;斜体＆＃34;，＆＃34;倾斜＆＃34; ...
- 查看字体的某些可选属性，例如字体重量...
- 检查嵌入字体文件。
这些方法都不是万无一失的;或
使用与非粗体，非斜体文本相同的字体，但使用特殊技术使它们显示为粗体或斜体（也就是穷人的粗体），例如
- 不仅可以填充字形轮廓，还可以沿着它绘制更粗的线条，以获得大胆的印象，
- 两次绘制字形，第二次略微移位，也是为了大胆的印象，
- 使用文字或转换矩阵倾斜字母以显示斜体。

通过相应地使用此类测试覆盖PDFTextStripper方法，您可以在PDF文本提取期间获得相当好的样式猜测率。

PDFBOX，逐行阅读pdf并提取文本属性

1 个答案: