java - 使用icepdf搜索句子并获取行号

Question

我尝试用icepdf搜索句子。大部分时间都得到了正确的结果。但我现在面临的问题是

• 我无法搜索以一行开头并以下一行结尾的句子。有没有找到相同的解决方案？我尝试将这些句子拆分并单独搜索。但这可能会导致更多问题。

• 最后，有没有什么方法可以让我知道我得到匹配的搜索键的行号。请帮忙。

Answer 1

遍历文档中的所有行并创建一个句子列表。每个句子都可以是一个WordText对象列表。然后搜索您创建的列表列表以找到您的句子。

这是一些示例代码（我现在还没有检查过）来构建对象列表的列表WordText。

ArrayList<ArrayList<WordText>> Sentences = new ArrayList<ArrayList<WordText>>;
ArrayList<WordText> currentSentence = new ArrayList<WordText>;
Document document = new Document();

// Build sentences
for (int pageNumber = 0, max = document.getNumberOfPages(); 
     pageNumber < max;     pageNumber++) {
  PageText pageText = document.getPageText(pageNumber);
  ArrayList<LineText> pageLines = pageText.getPageLines();
  for (LineText pageLine : pageLines) {
    ArrayList<WordText> words = pageLine.getWords();
    for (WordText word : words) {
      // If this is a word, and the last word was not a space, 
      // start a new sentence
      if(!word.getText().equals(" ") && currentSentence.size() > 0
         !currentSentence.get(currentSentence.size() - 1).getText().equals(" ")) {
        sentences.add(currentSentence);
        currentSentence = new ArrayList<WordText>;
      }
      // Add word to current sentnece
      currentSentence.add(word);
    }
   // Add the last sentence in
   sentences.add(currentSentence);
  }
}

如果您需要对 WordText 列表进行排序，您可以比较 WordText 对象的 y 和 x 值。