itextpdf 找出PDF中 文字的坐标
目录[*]添加引用
[*]添加工具类
[*]调用
找到位置，签名的话见：https://www.cnblogs.com/vipsoft/p/18644127
新项目可以尝试一下 iText 7 , 我这边是老项目所以还是继续使用 iText 5，主打够用
iText 5 没有直接提供获取文本精确位置的功能。它只能提取文本内容，而文本位置通常需要通过额外的解析和计算来确定。
思路：在同一行，且一些词是连续的，前后没有空白字符串，即认为是一个词
需要特殊处理：
[*]“姓 名：” 中间有空格
[*]读取PDF时，有些肉眼看上去是一行的字，可能会被解析为多个，导致找不到满足条件的关键字
添加引用
<itextpdf.version>5.5.13</itextpdf.version><itext-asian.version>5.2.0</itext-asian.version><dependency> <groupId>com.itextpdf</groupId> <artifactId>itextpdf</artifactId> <version>${itextpdf.version}</version></dependency><!--没有这个的话，添加文字会报错--><dependency> <groupId>com.itextpdf</groupId> <artifactId>itext-asian</artifactId> <version>${itext-asian.version}</version></dependency>添加工具类
package com.vipsoft.web;import cn.hutool.core.util.StrUtil;import com.itextpdf.text.pdf.parser.ImageRenderInfo;import com.itextpdf.text.pdf.parser.RenderListener;import com.itextpdf.text.pdf.parser.TextRenderInfo;import com.itextpdf.awt.geom.Rectangle2D.Float;import java.util.ArrayList;import java.util.List;public class KeyWordPositionListener implements RenderListener { /** * 用来存储页面上所有的词 * - 排除连续空格 */ private List<WordItem> allItems = new ArrayList<WordItem>(); /** * 搜索关键词 */ private String keyWord; /** * 是否是新的词 */ private boolean newWord = false; /** * 记录上一个字符 -- 用于判断是否是一组词 */ private WordItem prevItem = new WordItem(); /** * 已找到的词信息 */ private WordItem wordItem; public WordItem getWordItem() { return wordItem; } public void setKeyWord(String keyWord) { this.keyWord = keyWord; } @Override public void beginTextBlock() { // TODO Auto-generated method stub } /** * 方法会在解析文本时被调用，它检查每个文本片段是否包含关键词，并记录其位置。 * * @param renderInfo */ @Override public void renderText(TextRenderInfo renderInfo) { if (wordItem != null || StrUtil.isEmpty(keyWord)) { return; } // 读取PDF时，有些肉眼看上去是一行的字，可能会被解析为多个，导致找不到满足条件的关键字，这里做了简单的处理 // 即如果一些词是连续的，前后没有空白字符串，即认为是一个词 String content = renderInfo.getText().trim(); Float textRectangle = renderInfo.getBaseline().getBoundingRectange(); if (StrUtil.isEmpty(content)) { // 当前扫出来的是空字符串，视新一个新的词即将开始 newWord = true;// System.out.println("扫出空的，跳过x=" + textRectangle.getX() + " y=" + textRectangle.getY()); return; } if (StrUtil.isEmpty(prevItem.getContent())) { // 这段可以不需要 // prevItem 中还没有存内容的，当前文字也视为新的词 newWord = true;// System.out.println("prevItem 中还没有存内容的，视为新词"); } if (StrUtil.isNotEmpty(prevItem.getContent()) && (Math.abs((int) prevItem.getY() - (int) textRectangle.getY()) > 5)) { //Y 正负2内，视为同一行 System.out.println("不在同一行：prevItem=" + prevItem.getContent() + " x=" + (int) prevItem.getX() + " y=" + (int) prevItem.getY()); System.out.println("不在同一行：content=" + content + " x=" + (int) textRectangle.getX() + " y=" + (int) textRectangle.getY()); System.out.println("当前内容和prevItem 不在同一行，视为新词"); newWord = true; } if (newWord) { //重置 System.out.println("重置 prevItem: " + prevItem.getContent()); prevItem = new WordItem(); } System.out.println("已扫到字：content=" + content + " x=" + textRectangle.getX() + " y=" + textRectangle.getY()); String preContent = StrUtil.isNotEmpty(prevItem.getContent()) ? prevItem.getContent() : ""; prevItem.setContent(preContent + content); prevItem.setX(textRectangle.getX()); prevItem.setY(textRectangle.getY()); if (prevItem.getContent().contains(keyWord)) { //System.out.println("找到了【" + keyWord + "】 " + prevItem.getContent() + " x= " + prevItem.getX() + " y= " + prevItem.getY()); wordItem = prevItem; } newWord = false; } @Override public void endTextBlock() { // TODO Auto-generated method stub } @Override public void renderImage(ImageRenderInfo renderInfo) { // TODO Auto-generated method stub }}/** * 存储一个词的信息 */class WordItem { private String content; private double x; private double y; ... getters and setters ...}调用
@Testvoid searchText() throws Exception { String filepath = "D:\\Report.pdf"; String keyWord = "审核医生"; int page = 1; PdfReader pdfReader = new PdfReader(filepath); //int pageNum = pdfReader.getNumberOfPages(); //循环没页PDF查找 PdfReaderContentParser pdfReaderContentParser = new PdfReaderContentParser(pdfReader); KeyWordPositionListener renderListener = new KeyWordPositionListener(); renderListener.setKeyWord(keyWord); pdfReaderContentParser.processContent(page, renderListener); WordItem wordItem = renderListener.getWordItem(); if (wordItem == null) { System.out.println("没找到 " + keyWord); return; } pdfReader.close() //记得要关闭，否则文件想做其它操作会报被占用 System.out.println("找到了【" + keyWord + "】 " + wordItem.getContent() + " x= " + wordItem.getX() + " y= " + wordItem.getY());}
页:
[1]