使用Java阅读pdf表格

时间:2018-10-08 07:05:03

标签: java

我想使用Java阅读现有pdf文件中的表格。我可以使用以下代码(apache pdfBox)从pdf读取文本:

File file=new File("ReadTest.pdf");
PDDocument pdfDocument = PDDocument.load(file);     
System.out.println("PDF loaded");
PDFTextStripperByArea stripper = new PDFTextStripperByArea();
stripper.setSortByPosition(true);
PDFTextStripper  pdfStripper=new PDFTextStripper();
pdfStripper.setSortByPosition(true);
String text=pdfStripper.getText(pdfDocument);

首先,我要检测给定pdf中表数据的起始位置,然后读取表数据(而表行和列未知)。

1 个答案:

答案 0 :(得分:0)

我在https://dzone.com/articles/traprange-method-extract-table网站上找到了您的答案...

在我的工作中,我使用TextPosition对象直接处理文本块。对于PDF文件中的每个文本块,它将返回具有以下属性的文本元素:

x:距页面左侧的水平距离/// y:距页面顶部边框的垂直距离/// maxX:等于x +文本块的宽度/// maxY:等于y +文本块的高度 例如看这张图片 https://github.com/thoqbk/traprange/blob/master/_Docs/textposition-rectangle.png