一、使用 itextpdf  推荐使用

com.itextpdf

itextpdf

5.5.13.1

PdfKeyWordPosition.java

package com.util;

import com.itextpdf.awt.geom.Rectangle2D;

import com.itextpdf.text.pdf.PdfDictionary;

import com.itextpdf.text.pdf.PdfName;

import com.itextpdf.text.pdf.PdfReader;

import com.itextpdf.text.pdf.parser.*;

import org.slf4j.Logger;

import org.slf4j.LoggerFactory;

import java.io.ByteArrayOutputStream;

import java.io.FileInputStream;

import java.io.IOException;

import java.io.InputStream;

import java.util.ArrayList;

import java.util.HashMap;

import java.util.List;

import java.util.Map;

/**

* 获取pdf关键字坐标

*/

public class PdfKeyWordPosition {

private static final Logger log = LoggerFactory.getLogger(PdfKeyWordPosition.class);

/**

* 获取关键字坐标

* @param pdfData

* @param keyWord

* @return

*/

public static List> getWordsPcoordinate(byte[] pdfData, String keyWord){

List> result = new ArrayList<>();

PdfReader reader = null;

try {

// pdfData :可以是二进制,也可以是文件路径,两种方式选择一种

reader = new PdfReader(pdfData);

//获取pdf页数

int pages = reader.getNumberOfPages();

for (int pageNum = 1; pageNum <= pages; pageNum++) {

//每页的宽度

Float width = reader.getPageSize(pageNum).getWidth();

//每页的高度

Float height = reader.getPageSize(pageNum).getHeight();

RenderListenerHelper renderListenerHelper = new RenderListenerHelper(pageNum, width, height);

//解析pdf,定位位置

PdfContentStreamProcessor processor = new PdfContentStreamProcessor(renderListenerHelper);

PdfDictionary pageDic = reader.getPageN(pageNum);

PdfDictionary resourcesDic = pageDic.getAsDict(PdfName.RESOURCES);

processor.processContent(ContentByteUtils.getContentBytesForPage(reader, pageNum), resourcesDic);

//文本内容

String content = renderListenerHelper.getContent();

//文本每个字对应的坐标

List> charPositions = renderListenerHelper.getCharPositions();

for (int i = 0; i < content.length(); i++){

//获取关键字所在位置

int keyIndex = content.indexOf(keyWord, i);

if (keyIndex == -1){

break;

}

result.add(charPositions.get(keyIndex));

i = keyIndex + 1;

}

}

} catch (Exception e){

log.error("获取pdf关键字坐标失败:{}", e);

} finally {

reader.close();

}

return result;

}

/**

* 重写 itextpdf 的 RenderListener 类里的方法

*/

private static class RenderListenerHelper implements RenderListener {

private int pageNum;

private float pageWidth;

private float pageHeight;

private StringBuilder contentBuilder = new StringBuilder();

private List> charPositions = new ArrayList<>();

public RenderListenerHelper(int pageNum, float pageWidth, float pageHeight) {

this.pageNum = pageNum;

this.pageWidth = pageWidth;

this.pageHeight = pageHeight;

}

public String getContent() {

return contentBuilder.toString();

}

public List> getCharPositions() {

return charPositions;

}

//step 2 遇到"BT"执行

@Override

public void beginTextBlock() {

}

//step 3 文字主要处理方法

@Override

public void renderText(TextRenderInfo renderInfo) {

//获取文本内容每个字信息集合

List characterRenderInfos = renderInfo.getCharacterRenderInfos();

for (TextRenderInfo textRenderInfo : characterRenderInfos) {

String word = textRenderInfo.getText();

if (word.length() > 1) {

word = word.substring(word.length() - 1);

}

//关键字上边缘坐标

//Rectangle2D.Float boundingRectange = textRenderInfo.getAscentLine().getBoundingRectange();

//关键字标准坐标(中间)

Rectangle2D.Float boundingRectange = textRenderInfo.getBaseline().getBoundingRectange();

//关键字下边缘坐标

//Rectangle2D.Float boundingRectange = textRenderInfo.getDescentLine().getBoundingRectange();

//正常坐标

Float x = boundingRectange.x;

Float y = boundingRectange.y;

/*

//中心坐标

float x = (float)boundingRectange.getCenterX();

float y = (float)boundingRectange.getCenterY();

//最大最小坐标

double x = boundingRectange.getMinX();

double y = boundingRectange.getMaxY();

//这两个是关键字在所在页面的XY轴的百分比

float xPercent = Math.round(x / pageWidth * 10000) / 10000f;

float yPercent = Math.round((1 - y / pageHeight) * 10000) / 10000f;

*/

Map coordinate = new HashMap<>();

coordinate.put("x", x);

coordinate.put("y", y);

coordinate.put("pageNum", pageNum); //页数

coordinate.put("fontWidth", boundingRectange.width); //字体长度

coordinate.put("fontHeight", boundingRectange.height); //字段高度

charPositions.add(coordinate);

contentBuilder.append(word);

}

}

//step 4(最后执行的,只执行一次),遇到“ET”执行

@Override

public void endTextBlock() {

}

//step 1(图片处理方法)

@Override

public void renderImage(ImageRenderInfo renderInfo) {

}

}

public static void main(String[] args) {

try {

InputStream is = null;

ByteArrayOutputStream bos = new ByteArrayOutputStream();

try {

is = new FileInputStream("D:\\test.pdf");

byte[] buffer = new byte[is.available()];

Integer n = 0;

while ((n = is.read(buffer)) != -1) {

bos.write(buffer, 0, n);

}

} catch (IOException e) {

e.printStackTrace();

} finally {

try {

bos.close();

if (is != null) {

is.close();

}

} catch (IOException e) {

e.printStackTrace();

}

}

byte[] bytes = bos.toByteArray();

List> wordsPcoordinates = getWordsPcoordinate(bytes,"日期");

for (Map map : wordsPcoordinates){

System.out.println("x坐标 -> " + map.get("x"));

System.out.println("y坐标 -> " + map.get("y"));

System.out.println("页数 -> " + map.get("pageNum"));

System.out.println("字体长度 -> " + map.get("fontWidth"));

System.out.println("字段高度 -> " + map.get("fontHeight"));

System.out.println("");

}

} catch (Exception e) {

e.printStackTrace();

}

}

}

二、使用 pdfbox

org.apache.pdfbox

pdfbox

2.0.20

PdfBoxKeyWordPosition.java

package com.util;

import org.apache.pdfbox.pdmodel.PDDocument;

import org.apache.pdfbox.text.PDFTextStripper;

import org.apache.pdfbox.text.TextPosition;

import org.slf4j.Logger;

import org.slf4j.LoggerFactory;

import java.io.*;

import java.util.ArrayList;

import java.util.HashMap;

import java.util.List;

import java.util.Map;

/**

* 继承 pdfbox 中 PDFTextStripper类,获取关键字坐标

*/

public class PdfBoxKeyWordPosition extends PDFTextStripper {

private static final Logger log = LoggerFactory.getLogger(PdfBoxKeyWordPosition.class);

//关键字字符数组

private char[] key;

//PDF文件路径

private String pdfPath;

//二进制文件

private byte[] bytes;

//坐标集合

private List> coordinates = new ArrayList<>();

// 当前页坐标集合

private List> pageList = new ArrayList<>();

/*//使用文件路径

public PdfBoxKeyWordPosition(String keyWords, String pdfPath) throws IOException {

super();

super.setSortByPosition(true);

this.pdfPath = pdfPath;

char[] key = new char[keyWords.length()];

for (int i = 0; i < keyWords.length(); i++) {

key[i] = keyWords.charAt(i);

}

this.key = key;

}*/

//使用二进制数据

public PdfBoxKeyWordPosition(String keyWords, byte[] bytes) throws IOException {

super();

super.setSortByPosition(true);

this.bytes = bytes;

char[] key = new char[keyWords.length()];

for (int i = 0; i < keyWords.length(); i++) {

key[i] = keyWords.charAt(i);

}

this.key = key;

}

// 获取坐标信息

public List> getCoordinate(){

try {

//document = PDDocument.load(new File(pdfPath)); 文件地址

document = PDDocument.load(bytes); //文件二进制数据

int pages = document.getNumberOfPages();

for (int i = 1; i <= pages; i++) {

super.setSortByPosition(true);

super.setStartPage(i);

super.setEndPage(i);

Writer dummy = new OutputStreamWriter(new ByteArrayOutputStream());

super.writeText(document, dummy);

for (Map li : pageList) {

li.put("pageNum", i);

}

coordinates.addAll(pageList);

pageList.clear();

}

} catch (Exception e) {

log.error("获取pdf关键字坐标失败:{}", e);

} finally {

pageList.clear();

try {

if (document != null) {

document.close();

}

} catch (IOException e) {

log.error("关闭文件失败:{}", e);

}

}

return coordinates;

}

// 获取坐标信息

@Override

protected void writeString(String string, List textPositions) throws IOException {

for (int i = 0; i < textPositions.size(); i++) {

String str = textPositions.get(i).getUnicode();

//找到 key 中第一位所在位置

if (str.equals(String.valueOf(key[0]))) {

int count = 0;

for (int j = 0; j < key.length; j++) {

String s = "";

try {

s = textPositions.get(i + j).getUnicode();

} catch (Exception e) {

s = "";

}

//判断key 中每一位是否和文本中顺序对应,一旦不等说明 关键字与本段落不等,则停止本次循环

if (s.equals(String.valueOf(key[j]))) {

count++;

} else if (count > 0){

break;

}

}

//判断 key 中字 在文本是否连续,是则获取坐标

if (count == key.length) {

Map coordinate = new HashMap<>();

TextPosition tp = textPositions.get(i);

// X坐标 在这里加上了字体的长度,也可以直接 tp.getX()

Float x = tp.getX() + tp.getFontSize();

// Y坐标 在这里减去的字体的长度,也可以直接 tp.getPageHeight() - tp.getY()

Float y = tp.getPageHeight() - tp.getY() - 4 * tp.getFontSize();

coordinate.put("x", x);

coordinate.put("y", y);

pageList.add(coordinate);

}

}

}

}

public static void main(String[] args) {

try {

InputStream is = null;

ByteArrayOutputStream bos = new ByteArrayOutputStream();

try {

is = new FileInputStream("D:\\test.pdf");

byte[] buffer = new byte[is.available()];

Integer n = 0;

while ((n = is.read(buffer)) != -1) {

bos.write(buffer, 0, n);

}

} catch (IOException e) {

e.printStackTrace();

} finally {

try {

bos.close();

if (is != null) {

is.close();

}

} catch (IOException e) {

e.printStackTrace();

}

}

byte[] bytes = bos.toByteArray();

PdfBoxKeyWordPosition pdf = new PdfBoxKeyWordPosition("日期", bytes);

List> wordsPcoordinates = pdf.getCoordinate();

for (Map map : wordsPcoordinates){

System.out.println("x坐标 -> " + map.get("x"));

System.out.println("y坐标 -> " + map.get("y"));

System.out.println("页面 -> " + map.get("pageNum"));

System.out.println("");

}

} catch (Exception e) {

e.printStackTrace();

}

}

}

java获取pdf文字坐标_Java 获取PDF关键字坐标相关推荐

  1. PDF文字怎么编辑,PDF文档编辑方法

    有时候遇到PDF文件不是自己制作的或者是制作的有点匆忙,会有文字遗漏或者打错的时候,我们使用就会有点麻烦就需要把文件中的文字进行编辑修改,那么具体怎么做呢?小伙伴们都挺好奇吧,今天就来跟大家分享一下. ...

  2. java 读取pdf签名域_Java 获取PDF中的数字签名信息

    本文以Java代码演示如何获取PDF文档中的数字签名信息,包括签名人.签名位置.日期.原因.联系方式.签名在文档中的坐标等等. 程序环境包括: Jdk 1.8.0(版本要求>=1.6.0版本即可 ...

  3. java代码条形码链接网址_Java在PDF中添加条形码

    java开发从入门到精通第2版疯狂 80.8元 包邮 (需用券) 去购买 > 条形码,是由宽度不等的多个黑条和空白所组成,用以表达一组信息的图形标识符.通过给文档添加条形码,可以直观,快捷地访问 ...

  4. java 获取手机归属地_java 获取手机归属地

    java 获取手机归属地 [2021-01-30 20:46:44]  简介: php去除nbsp的方法:首先创建一个PHP代码示例文件:然后通过"preg_replace("/( ...

  5. java 读取pdf签名域_Java给PDF签名

    1.引入依赖 com.e-iceblue e-iceblue http://repo.e-iceblue.cn/repository/maven-public/ e-iceblue spire.pdf ...

  6. java中volatile的含义_java中volatile关键字的含义

    (支持原创)本篇文章非原创,原文章地址: http://www.cnblogs.com/aigongsi/archive/2012/04/01/2429166.html 在java线程并发处理中,有一 ...

  7. java获取鼠标在窗口_Java获取窗口鼠标坐标以及键盘按键

    Java中的鼠标和键盘事件 1.使用MouseListener借口处理鼠标事件 鼠标事件有5种:按下鼠标键,释放鼠标键,点击鼠标键,鼠标进入和鼠标退出 鼠标事件类型是MouseEvent,主要方法有: ...

  8. java写入pdf文件图片_Java编辑PDF写入文字 插入图片

    package com.test; import com.itextpdf.text.BaseColor; import com.itextpdf.text.Font; import com.itex ...

  9. java提取图像坐标_java获取图片的GPS信息

    简介 EXIF(Exchangeable Image File format)是"可交换图像文件"的缩写,当中包含了专门为数码相机的照片而定制的元数据,可以记录数码照片的拍摄参数. ...

  10. java pdf 插入图片_java在pdf模板的指定位置插入图片

    个人感觉pdf的操作比word舒心多了 java操作pdf有个非常好用的库itextpdf,maven: com.itextpdf itextpdf 5.5.6 com.itextpdf itext- ...

最新文章

  1. Linux追加文件内容并在内容前加上该文件名(awk, FILENAME功能妙用)
  2. Jquery对象的文档处理,CSS和事件
  3. 【控制】《自动控制原理》胡寿松老师-第7章-线性离散系统的分析与校正
  4. 差动机器人毕业设计_双轮差动机器人曲线算法设计与实现
  5. Linux下window转unix文件格式
  6. linux同步硬件和系统时钟,liunx系统下时钟不同步会出现问题 怎么同步Linux 的系统时钟和硬件时钟?...
  7. 立足优势,你的网站会更精彩
  8. 小米高管称redmi暂没有曲面屏 网友:Redmi K40 Pro曲面屏无望了
  9. DocumentHelper解析xml文件
  10. GPUImageMovie播放控制
  11. stm32获取绝对值编码器值(SSI,串行通讯)
  12. 【平头哥蓝牙Mesh网关开发套件试用体验】蓝牙mesh网关接入网络
  13. 专注世界排名的Alexa.com宣布关站
  14. C#Task执行线程及其相关问题
  15. L2-3 清点代码库【STL】
  16. 卧槽!GitHub标星7.9K star,抢茅台酒脚本竟然开源了!网友:已抢到,真香!
  17. [2023-01 持续更新] 谷歌学术google镜像/Sci-Hub可用网址/Github镜像可用网址总结
  18. 前端 - 博客系统(页面设计)
  19. web前端培训机构出来的能找到工作吗?30道Web前端面试题收藏版
  20. PMBOK指南第六版—项目成本管理总结

热门文章

  1. 步进电机控制器编程实例C语言,步进电机控制器原理_步进电机控制器编程实例...
  2. Transaction
  3. xp计算机设置密码6,如何设置开机密码_xp系统电脑设置开机密码的方法 - 驱动管家...
  4. python模拟支付宝扫码登录_Python爬虫模拟登录支付宝并获取订单信息
  5. 蒙特卡罗方法C语言求定积分,蒙特卡罗方法计算定积分
  6. 计算机管理有U盘 为啥不显示,U盘插入电脑后不显示怎么办?
  7. Word serach(Medium)
  8. SLAM学习 | 使用小觅相机MYNTEYE-S1030收集数据集
  9. 以生活中的例子快速理解十个设计模式
  10. excel打不开_mac版excel死机该如何恢复?