我使用PDFBox从我的PDF文档中提取文本。它检索文本，但不是全部(具体而言，似乎缺少标题/页眉和页脚文本)。缺少的部分不是图像，而是在使用foxit阅读器中的文本视图时提取出来的。我使用的是1.8.12版本，并用2.0.2做了一个测试用例，看看它是否会返回更多的内容。PDFTextStripper(); strip
浏览 6提问于2016-08-16得票数 0
回答已采纳
我使用pdfbox库读取PDF中的文本，并将其保存在文本文件中。它也读取隐藏的文本，这是不可见的PDF是通过PDF阅读器查看。我的要求是获得这些隐藏文本的一些特征，以区别于正常文本。
浏览 0提问于2020-09-17得票数 2
回答已采纳
我正在尝试从PDF中提取文本。首先，我尝试了PDFBox。在输出中，我发现部分文本丢失了，在eclipse控制台上，我得到了以下警告我想知道以上警告意味着什么。对于同样的PDF，当我手动复制和粘贴PDF文本时，我得到了正方形或圆点形状，我想知道为什么会发生这种情况。请解释一下。
浏览 4提问于2016-09-19得票数 0
我使用下面的代码来使用.NET版本的PDFBox解析PDF中的文本。Imports org.apache.pdfbox.pdmodel Dim stripper As New PDFTextStripper()
Return stripper.getTextdoc IsNot
浏览 0提问于2018-09-03得票数 1
回答已采纳
this.document.close(); }因此，基本方法load()从字节数组加载pdf文档，方法extractText()将从PDF中提取的文本作为字节数组返回当我从NetBeans Run按钮运行程序时，它可以工作，但是当我在用maven-Run插件构建的单个jar上运行它时，返回的文本是错误的字符编码。所以问题是PDF框以两种不同的格式返回文本..。
如何控制/设置
浏览 5提问于2013-02-02得票数 0
回答已采纳
在用PDFBox提取PDF时，是否存在保留文本格式的方法？ stripper.setSortByPos
浏览 0提问于2016-10-10得票数 1
使用它，我可以将PDF文档的文本提取为字符串，并且还可以保留原始文档中的所有空行和空格(就像它们在pdf文档中出现的那样)？我现在使用的是PDFBox-0.7.3库中的PDFTextStripper类，我还使用了getText()方法，该方法确实将文档作为字符串返回，但是它也删除了所有空行、制表符和文本之间的空格。这是getText()的默认行为，似乎不可能让它工作以保留文本的空段(我在API中找不到任何用于此目的的方法)。
谢谢你的
浏览 3提问于2009-10-22得票数 2
我有一个关于pdfbox 1.8.13的问题。我正在试着从一个单页PDF文档中读取整个文本。Adobe Reader可以做到这一点，pdfbox可以读取几乎整个页面，但会将文档的前两行和最后两行打乱，以便字母互换。Prinzregentenstr.
浏览 3提问于2017-08-08得票数 1
回答已采纳
我使用它通过org.apache.pdfbox获取PDF文件的文本。 if (!PDFTextStripper(); parsedText = pdfStripper.getText现在，我有了一个PDF表单，其中包含可编辑的文本字段。我的代码不返回字段中的文本。我想要得到那条短信。有没
浏览 35提问于2014-12-04得票数 4
1回答
我想做一个程序，在一个pdf中使用PDFBox搜索单词。INIT.pdf"); String content = s.getText,words);//methode for searching those words on my text但是有没有可能用getText直接查看PDF而不查看<
浏览 2提问于2013-05-13得票数 0
我使用pdfbox从pdf中提取一些信息，但是如何提取每个对象的信息？如果其中一个包含流，我如何解码该流以显示？
我能从一个pdf框中得到最大字体大小的吗？
浏览 8提问于2015-03-23得票数 1
3回答
我试图添加带下划线的文本到一个空白的pdf页面使用PDFBox，但我还没有找到任何例子在网上。关于堆栈溢出的所有问题都指向提取带下划线的文本，而不是创建它。该函数是否未为PDFBox实现？从PDFBox文档来看，字体似乎是预先呈现为粗体、斜体和规则的。PDFont font = PDType1Font.TIMES_ROMAN.
浏览 10提问于2014-09-29得票数 4
回答已采纳
我正在使用pdfbox从这个中提取图像和文本。我有以下提取文本的代码： String thistext=p.getText(document);
它可以正确地提取文本但是，当我尝试使用ExtractImages类从相同的pdf中提取图像时，生成的图像是pdf的所有页面，而不是实际的图像。这是因为pdf可能是扫描副本的原因吗？如果这是真的，为什么文本会被提取出来？
浏览 4提问于2013-01-31得票数 0
int i = 0; i < list.size(); i++) {}
我希望控制台输出显示页面上所有产品的名称
浏览 0提问于2019-07-05得票数 4
因此，pdfBox文本提取还可以提取特殊字符(例如，小大写字体)，这会在底层字体是简单的Type1字体时产生问题。我的问题是:我能做些什么来避免这个问题吗
浏览 1提问于2014-12-06得票数 0
回答已采纳
我正在尝试匹配文本并选中复选框。我正在尝试从checkbox类型的innerHTML标记中获取文本或输入。我尝试过getText()；它返回空，返回innerHTML，innerText返回null。文本是可见</e
浏览 0提问于2012-12-05得票数 4
回答已采纳
云服务器
ICP备案
对象存储
云点播
实时音视频
腾讯云开发者
Copyright © 2013 - 2026 Tencent Cloud. All Rights Reserved. 腾讯云 版权所有
深圳市腾讯计算机系统有限公司 ICP备案/许可证号：粤B2-20090059 
粤公网安备44030502008569号
腾讯云计算（北京）有限责任公司 京ICP证150476号 | 京ICP备11018762号