我正在使用的是什么：我正在使用Apache Tika在我的Java应用程序上解析PDF。
我需要什么：我需要解析我的PDF的某个区域（即由Rectangle对象定义），就像我通常使用iText一样。
问题：是否可以使用Apache Tika解析PDF的已定义区域？怎么样？
答案 0 :(得分：1)
Apache Tika将为您提供文档的简化标准化HTML表示。对于基于页面的格式，例如PDF或PPT，它会标记页面边界，但对于非基于页面的格式（例如基于运行的.doc），它不会。
您需要做的是下一步到Apache PDFBox，这是为Tika中的PDF解析器提供支持的底层库。使用PDFBox，您可以获取给定页面上对象的位置，如果它们在您想要的范围内，则计算出来并获取它们的文本。它不会像使用Apache Tika那么容易，但是为了达到这种控制水平，你需要更多地参与其中