Java – PDFBox – 文本提取
发布时间:2020-12-14 19:11:51 所属栏目:Java 来源:网络整理
导读:我一直在使用pdfbox从PDF中提取文本信息.我成功地解析了文本的所有属性,如fontname,fontface,size,position等. 问题:我使用的是pdfbox1.2.1(最新版本). TextPosition类中的getCharacter()返回除最后一个字符之外的完整字符串.最后一个字符被解析为单独的字
我一直在使用pdfbox从PDF中提取文本信息.我成功地解析了文本的所有属性,如fontname,fontface,size,position等. 问题:我使用的是pdfbox1.2.1(最新版本). TextPosition类中的getCharacter()返回除最后一个字符之外的完整字符串.最后一个字符被解析为单独的字符串. 例如:“你好吗”被解析为“如何哟”和“你”(2个单独的字符串). 我不希望它发生那种方式.. 有没有人来过这个? ..我做错了什么??等待回复.. 感谢致敬, 最佳答案
这个问题解决了.
PDFStreamEngine.java中的processEncodedText(byte [] string)中的以下代码
应改为
问候, (编辑:李大同) 【声明】本站内容均来自网络,其相关言论仅代表作者个人观点,不代表本站立场。若无意侵犯到您的权利,请及时与联系站长删除相关内容! |