我想知道pdf页面中所有单词的位置。我一直试图在网上找到一些但却无法找到的东西。任何人都可以帮助我使用哪个库（最好是在java平台上）？
答案 0 :(得分：0)
看一下本教程：http://www.luigimicco.altervista.org/doku.php/en/doc/pdf_structure
基本上，使用PDFBox，您可以使用
InputStream is = yourPDFDocument.getDocumentCatalog().getPages().get(yourPage).getContents();
然后，搜索您正在寻找的 X Y Td 行。
我真的确定有一种更简单的方法可以做到这一点，但由于我在内容流中为项目工作了很多，所以我只知道这种方式。 /> 在PDFBox's javaDocs中搜索以获取更多详细信息！
我希望这会对你有所帮助:)。
答案 1 :(得分：0)
您可以使用 Textricator，但遗憾的是文档没有维护，因此很难让它更有趣的方面发挥作用。但是，要仅查看文本位置，您可以使用简单文本模式。
./textricator.bat text --pages=2 xxx.pdf
# output is a long list of CSV properties for the document, including the OCR read text and the x,y coordinates of it.