在pdf文件中找关键字的坐标

1.功能描述；

此功能主要功能就是在pdf文件中读取信息后查找指定页面的指定关键信息，获得相应的坐标。

首先要 itextpdf.jar, itext.jar包

//获取pdf的页数
PdfReader reader= new PdfReader(generatePath);
int pagecount= reader.getNumberOfPages();

/**
在文件中寻找指定的文字内容
@param reader
@param pageNumber
@param keyword
@return
@throws Exception
*/
public static MatchItem matchPage(com.itextpdf.text.pdf.PdfReader reader,
Integer pageNumber, String keyword) throws Exception {
KeyWordPositionListener renderListener = new KeyWordPositionListener();
renderListener.setKeyword(keyword);
PdfReaderContentParser parse = new PdfReaderContentParser(reader);
Rectangle rectangle = reader.getPageSize(pageNumber);
renderListener.setPageNumber(pageNumber);
renderListener.setCurPageSize(rectangle);
parse.processContent(pageNumber, renderListener);
MatchItem matchItem = findKeywordItems(renderListener, keyword);
// 当前页找不到，到前一页查询

if(null == matchItem){

pageNumber =pageNumber -1;

renderListener.setPageNumber(pageNumber);

renderListener.setCurPageSize(rectangle);

parse.processContent(pageNumber, renderListener);

matchItem = findKeywordItems(renderListener, keyword);

}

matchItem.setPageNum(pageNumber);

return matchItem;

}

/**
找到匹配的关键词块
@param renderListener
@param keyword
@return
*/
@SuppressWarnings({ "unchecked", "rawtypes" })
public static MatchItem findKeywordItems(KeyWordPositionListener renderListener,
String keyword) {
// 先判断本页中是否存在关键词
List allItems = renderListener.getAllItems();// 所有块LIST
StringBuffer sbtemp = new StringBuffer("");
for (int i = 0; i < allItems.size(); i++) {// 将一页中所有的块内容连接起来组成一个字符串。
sbtemp.append(((MatchItem) allItems.get(i)).getContent());
}
if (sbtemp.toString().lastIndexOf(keyword) == -1) {// 一页组成的字符串没有关键词，直接return
return renderListener.getMatches().get(0);
}
// 第一种情况：关键词与块内容完全匹配的项
List matches = renderListener.getMatches();
// 第二种情况：多个块内容拼成一个关键词，则一个一个来匹配，组装成一个关键词
sbtemp = new StringBuffer("");
List tempItems = new ArrayList();
for (int i = 0; i < allItems.size(); i++) {
// 1，关键词中存在某块 2，拼装的连续的块=关键词 3，避开某个块完全匹配关键词
// 关键词中国移动而块为中，国，移动
// 关键词中华人民而块为中，华人民共和国这种情况解决不了，也不允许存在
if (keyword.indexOf(((MatchItem) allItems.get(i)).getContent()) != -1
&& !keyword.equals(((MatchItem) allItems.get(i))
.getContent())) {
tempItems.add(allItems.get(i));
sbtemp.append(((MatchItem) allItems.get(i)).getContent());
if (keyword.indexOf(sbtemp.toString()) == -1) {// 如果暂存的字符串和关键词
// 不再匹配时
sbtemp = new StringBuffer(
((MatchItem) allItems.get(i)).getContent());
tempItems.clear();
tempItems.add(allItems.get(i));
}
}
// 第三种情况：关键词存在块中
for (int j = 0; j < allItems.size(); j++) {
if (((MatchItem) allItems.get(j)).getContent().indexOf(keyword) != -1
&& !keyword.equals(((MatchItem) allItems.get(j))
.getContent())) {
matches.add(allItems.get(j));
}
}
}
return (MatchItem) matches.get(0);
}

import com.itextpdf.awt.geom.Rectangle2D;
import com.itextpdf.text.Rectangle;
import com.itextpdf.text.pdf.parser.ImageRenderInfo;
import com.itextpdf.text.pdf.parser.RenderListener;
import com.itextpdf.text.pdf.parser.TextRenderInfo;
import java.util.ArrayList;
import java.util.List;
public class KeyWordPositionListener implements RenderListener {

private List<MatchItem> matches = new ArrayList<MatchItem>();
private List<MatchItem> allItems = new ArrayList<MatchItem>();
private Rectangle curPageSize;

/**
* 匹配的关键字
*/
private String keyword;
/**
* 匹配的当前页
*/
private Integer pageNumber;

public void beginTextBlock() {
//do nothing
}

public void renderText(TextRenderInfo renderInfo) {
String content = renderInfo.getText();
content = content.replace("<", "").replace("《", "").replace("(", "").replace("（", "").replace("\"", "").replace("'", "")
.replace(">", "").replace("》", "").replace(")", "").replace("）", "").replace("、", "").replace(".", "")
.replace("：", "").replace(":", "").replace(" ", "");
Rectangle2D.Float textRectangle = renderInfo.getDescentLine().getBoundingRectange();
MatchItem item = new MatchItem();
item.setContent(content);
item.setPageNum(pageNumber);
item.setPageWidth(curPageSize.getWidth());
item.setPageHeight(curPageSize.getHeight());
item.setX((float)textRectangle.getX());
item.setY((float)textRectangle.getY());
if(content!=null && content!=""){
if(content.equalsIgnoreCase(keyword)) {
matches.add(item);
}
}else{
item.setContent("空字符串");
}
allItems.add(item);//先保存所有的项
}

public void endTextBlock() {
//do nothing
}

public void renderImage(ImageRenderInfo renderInfo) {
//do nothing
}

/**
* 设置需要匹配的当前页
* @param pageNumber
*/
public void setPageNumber(Integer pageNumber) {
this.pageNumber = pageNumber;
}

/**
* 设置需要匹配的关键字，忽略大小写
* @param keyword
*/
public void setKeyword(String keyword) {
this.keyword = keyword;
}

/**
* 返回匹配的结果列表
* @return
*/
public List<MatchItem> getMatches() {
return matches;
}

void setCurPageSize(Rectangle rect) {
this.curPageSize = rect;
}

public List<MatchItem> getAllItems() {
return allItems;
}

public void setAllItems(List<MatchItem> allItems) {
this.allItems = allItems;
}
}

public class MatchItem {
private Integer pageNum;
private Float x;
private Float y;
private Float pageWidth;
private Float pageHeight;
private String content;

public Integer getPageNum() {
return pageNum;
}
public void setPageNum(Integer pageNum) {
this.pageNum = pageNum;
}
public Float getX() {
return x;
}
public void setX(Float x) {
this.x = x;
}
public Float getY() {
return y;
}
public void setY(Float y) {
this.y = y;
}
public Float getPageWidth() {
return pageWidth;
}
public void setPageWidth(Float pageWidth) {
this.pageWidth = pageWidth;
}
public Float getPageHeight() {
return pageHeight;
}
public void setPageHeight(Float pageHeight) {
this.pageHeight = pageHeight;
}
public String getContent() {
return content;
}
public void setContent(String content) {
this.content = content;
}

@Override
public String toString() {
return "MatchItem [pageNum=" + pageNum + ", x=" + x + ", y=" + y
+ ", pageWidth=" + pageWidth + ", pageHeight=" + pageHeight
+ ", content=" + content + "]";
}
}

这样就可以在调用这个方法后获取matchPage改关键字的坐标了。

在pdf文件中找关键字的坐标相关推荐

查找多个 PDF 文件中的关键字并替换为其它文字
概要:在一个文件中查找并替换关键字的场景下,我们都知道怎么去操作,我们直接按住Ctrl+F5或者直接按软件界面上的查找按钮,并且替换就可以了.但是如果我们需要一次性的查找并替换PDF文件中的多个关键字 ...
如何获取PDF文件中对应内容的坐标及范围？
如何获取PDF文件中对应内容的坐标及范围? 介绍安装地址使用方式打开软件开启坐标显示坐标显示单位切换开启网格辅助线测量工具使用介绍这款来至Adobe公司旗下的PDF阅读器: 它免费提 ...
grep检索关键字的命令_文件中查找关键字“ ”命令 grep
sudo grep -irn 'COMPILE' . // "." 当前目录下关键字为'COMPILE' sudo grep -i 'COMPILE' ltls.c ...
java itextpdf签章根据关键字定位在pdf文件中的坐标
最近接到个需求,根据所传关键字,定位关键字所在pdf文件中的坐标,然后盖章,其中所传参数还有关键字所在页数,和获取第几次出现的关键字,会传多个印章和关键字,每个印章对应一个关键字.自己先写了个简单de ...
php对pdf关键字定位,如何在PDF文件中快速查找关键字
有时候我们在阅读和编辑PDF文章时需要对PDF文件里的重要关键词进行查找,但如果PDF文章内容过长,怎么才能快速查找出想要查找的关键字? 想要在PDF文件中快速查找出关键字,那么利用迅捷PDF编辑器进 ...
使用itext7在PDF文件中的指定文字位置添加电子签名图片技术记录
使用itext7在PDF文件中的指定文字位置添加电子签名图片文章目录使用itext7在PDF文件中的指定文字位置添加电子签名图片一.技术使用背景二.使用步骤 1.引入依赖 2.具体代码 2.控 ...
用友t3服务器文件丢失,用友T3软件在T3用友通标准版恢复账套时在备份的文件中找不到要恢复的文件，如何解决？-用友T3...
文章摘要:用友T3软件在T3用友通标准版恢复账套时在备份的文件中找不到要恢复的文件,如何解决?在T3用友通标准版恢复账套时在备份的文件中找不到要恢复的文件,如何解决? 问题模块: 系统管理关键字:备份 ...
手把手教你如何用Python从PDF文件中导出数据（附链接）
作者:Mike Driscoll :翻译:季洋:校对:丁楠雅本文约4000字,建议阅读10分钟. 本文介绍了在提取出想要的数据之后,如何将数据导出成其他格式的方法. 有很多时候你会想用Python从 ...
删除PDF文件中的空白页面
一.mobi文件转换成pdf文件接到一个任务,将mobi文件转换成pdf文件,手机中下载了一个软件,大概是一个什么阅读器,需要注册登录,然后送了10次转换机会,转出来的pdf能看,但是文件里面有很多 ...

在pdf文件中找关键字的坐标

在pdf文件中找关键字的坐标相关推荐

最新文章

热门文章