itext如何检查pdf页面上是否存在巨型字符串

Question

- 我正在使用IText插件在我的java项目上创建/读取pdfs。 - 我正在从任何扩展名（pdf，doc，word等）中读取多个文本文件，并将其内容写在新的pdf上（所有文件的所有内容连接在一起） - 要分隔巨型pdf上每个文件的每个内容，我总是开始一个新页面，在新页面的开头用红色写出文件的确切路径，然后写出文件的内容

问题：

• 我想写这个文件在这个pdf上有多少页面
• 如何检查pdf页面上是否存在字符串？我有所有文件路径，所以我想检查是否有任何路径写在页面上
• 我正在按照本教程提取我的任何网页的字符串：http://www.quicklyjava.com/read-pdf-file-in-java-using-itext/

• 但是，当我提取所有页面并检查是否存在我的文件路径在页面上时（执行string.contains（...）），系统找不到我的文件路径pdf页面！我已经检查了为什么会发生这种情况，当我输出一个页面的字符串时，就像这样：

  1。 PdfGeneratorForSoftwareRegistration / PdfGeneratorForSoftwareRegistration / SRC / BR / ufrn / pairg /的pdfGenerator / LeitorArquivoTexto.java 包br.ufrn.pairg.pdfgenerator;

  import java.io.BufferedReader; import java.io.File; import java.io.FileReader; import java.io.IOException; import java.util.Scanner;

  ...公共

当我检查文件路径是否为“PdfGeneratorForSoftwareRegistration / PdfGeneratorForSoftwareRegistration / src / br / ufrn / pairg / pdfgenerator / LeitorArquivoTexto.java“出现在这个巨大的字符串中，系统没有找到它。你能看到问题吗？我的路径是如此之大，占据了2行！这就是问题！< / p>

所以，我的问题是：有没有办法使用itext插件检查pdf文本中是否存在一个巨大的字符串？

Answer 1

这不是最好的解决方案，但我通过在我的第一个pdf上的每个路径名称上写下一个神奇的ID（例如“＃％＆amp;＃id_0＃％＆amp;＃”）来解决它。然后，我再次阅读pdf并检查是否有id。如果有，我将它与我的文件路径相关联。

问题解决了：我使用http://www.quicklyjava.com/read-pdf-file-in-java-using-itext/

的解决方案获取页码

问题：如果项目中有＃％＆amp;＃id_0＃％＆amp;＃，＃％＆amp;＃id_1＃％＆amp;＃...写在其上的任何文件，我的程序将无效。

Answer 2

PDF文件中的页面使用页面树进行组织。页面树的每个叶子是具有键和值的页面字典。您可以将自定义条目添加到页面字典中，如下所示：

public void createPdf(String dest) throws IOException, DocumentException {
    Document document = new Document();
    PdfWriter writer = PdfWriter.getInstance(document, new FileOutputStream(dest));
    document.open();
    document.add(new Paragraph("Page 1"));
    document.newPage();
    document.add(new Paragraph("Page 2"));
    document.newPage();
    document.add(new Paragraph("Page 3"));
    document.newPage();
    document.add(new Paragraph("Page 4"));
    writer.addPageDictEntry(new PdfName("ITXT_PageMarker"), new PdfString("Marker for page 4"));
    document.newPage();
    document.add(new Paragraph("Page 5"));
    document.newPage();
    document.add(new Paragraph("Page 6"));
    writer.addPageDictEntry(new PdfName("ITXT_PageMarker"), new PdfName("PageMarker"));
    document.newPage();
    document.add(new Paragraph("Page 7"));
    writer.addPageDictEntry(new PdfName("ITXT_PageMarker"), new PdfNumber(7));
    document.newPage();
    document.add(new Paragraph("Page 8"));
    document.close();
}

如果你查看PDF，这看起来像这样：

为了这个例子，我添加了第4页的PDF字符串，第6页的PDF名称和第7页的PDF编号。

您可以检查是否存在此自定义键：

public void check(String filename) throws IOException {
    PdfReader reader = new PdfReader(filename);
    PdfDictionary pagedict;
    for (int i = 1; i < reader.getNumberOfPages(); i++) {
        pagedict = reader.getPageN(i);
        System.out.println(pagedict.get(new PdfName("ITXT_PageMarker")));
    }
    reader.close();
}

此check()的输出如下：

null
null
null
Marker for page 4
null
/PageMarker
7

重要事项：除了ISO 32000中定义的内容之外，您不能只为发明 PDF语法的新密钥。但是，如果您创建自己的自定义密钥，则可以创建自己的自定义密钥。用ISO注册4位数代码。例如：Adobe注册ADBE，iText注册ITXT，...如果您引入新的自定义键，则应使用ISO注册的代码作为前缀。例如：在iText，我们可以使用ITXT_PageMarker，ITXT_custom或ITXT_Whatever，...此规则可以避免两个不同的公司引入具有不同含义的相同代码。