java - PdfBox 从 pdf 中提取具有相同字体系列的文本

Question

我需要从 pdf 中提取一段文本。此文本与特征具有相同的字体系列。有任何想法吗？干杯

编辑：让我以其他方式问这个问题：我怎样才能从pdf页面中提取“粗体”文本？

Answer 1

public String pdftoText(String fileName){
    try {
        File f = new File(fileName);
        if (!f.isFile()) {
            System.out.println("File not exist.");
            return null;
        }
        parser = new PDFParser(new FileInputStream(f));
        parser.parse();
        cosDoc = parser.getDocument();
        pdfStripper = new PDFTextStripper();
        pdDoc = new PDDocument(cosDoc);
        parsedText = pdfStripper.getText(pdDoc);
        cosDoc.close();
        pdDoc.close();
        return parsedText;
    } catch (IOException ex) {
        Logger.getLogger(PDFTextParser.class.getName()).log(Level.SEVERE, null, ex);
        return null;
    }
}

运行前：将 pdfbox.jar 添加到您的项目中