如何使用PDFBox API

Question

我有PDF文件，其文本有四种不同的方向，如水平对齐，垂直对齐和反向对齐。使用PDFBox API从pdf中读取文本时，我获得了水平对齐文本的良好输出，但在其他情况下却没有。 例如，如果＆＃34;斜体＆＃34; word是水平对齐的，输出是＆＃34; italic＆＃34;。如果它是垂直对齐的，那么输出就会在行之间分割为 ＆＃34;它  一个
 里  c＆＃34;（这里＆＃34;它＆＃34;，＆＃34; a＆＃34;，＆＃34; li＆＃34;，＆＃34; c＆＃34;在不同的行中）。 我想知道即使对于垂直和反向对齐的文本，是否有任何方法可以获得良好的输出。

Answer 1

您可以覆盖PDFTextStripper的processTextPosition（）方法并编写逻辑以获取每个字符的方向，x和y值。通过根据方向对角色进行分组，您可以单独裁剪它们。