使用PDFBox 2.0.8如何查找文档中是否存在重叠文本？

Question

我正在使用PDFBox 2.0.8，我能够识别字符的文本位置，但它无法确定是否存在重叠文本。示例：＆＃34;超过o $ f1,000.96＆＃34;。正如您所看到的那样，$符号重叠在＆＃34;＆＃34;，但是如何预测存在重叠？

Answer 1

我已经找到了一个可行的解决方案来解决我报告的问题。在处理List时，我添加了以下条件来验证文本是否重叠。此解决方案可能不适用于所有类型的pdf文档，可能需要执行一些额外的工作：          if(textPositions.indexOf(position)+1<textPositions.size()){ if(position.contains(textPositions.get(textPositions.indexOf(position)+1))){overlappingTextFlag = true}}

public boolean contains（TextPosition tp2） 确定此TextPosition在逻辑上是否包含另一个（即它们重叠并且应该在彼此之上呈现）。 参数： tp2 - 要比较的另一个TestPosition 返回： 如果tp2包含在本文的边界框中，则为真。