一般而言

要使用PDFBox提取文本(带或不带位置，颜色等额外信息)，可以实例化 PDFTextStripper 或从中派生的类，并使用它：

PDFTextStripper stripper = new PDFTextStripper();

String text = stripper.getText(document);

(有许多 PDFTextStripper 属性允许您限制从中提取文本的页面 . )

在执行 getText 的过程中，解析所讨论的页面的内容流(以及从这些页面引用的形式的xObject)，并处理文本绘制命令 .

如果要更改文本提取行为，则必须通过重写此方法来更改此文本绘制命令处理，这通常应该执行此操作：

/**

* Write a Java string to the output stream. The default implementation will ignore the textPositions

* and just calls {@link #writeString(String)}.

*

* @param text The text to write to the stream.

* @param textPositions The TextPositions belonging to the text.

* @throws IOException If there is an error when writing the text.

*/

protected void writeString(String text, List textPositions) throws IOException

{

writeString(text);

}

如果您还需要知道新行何时开始，您可能还想覆盖

/**

* Write the line separator value to the output stream.

* @throws IOException

* If there is a problem writing out the lineseparator to the document.

*/

protected void writeLineSeparator( ) throws IOException

{

output.write(getLineSeparator());

}

writeString 可以被覆盖以将文本信息引导到单独的成员中(例如，如果您可能希望结果采用比仅仅 String 更结构化的格式)，或者可以覆盖它以简单地将一些额外信息添加到结果 String 中 .

可以重写 writeLineSeparator 以触发行之间的某些特定输出 .

有更多的方法可以被覆盖，但一般来说你不太可能需要它们 .

在手头的情况下

我正在使用PDFBox从pdf中提取信息，我当前试图找到的信息与该行中第一个字符的x位置有关 .

这可以通过以下方式实现(只需在每行的开头添加信息)：

PDFTextStripper stripper = new PDFTextStripper()

{

@Override

protected void startPage(PDPage page) throws IOException

{

startOfLine = true;

super.startPage(page);

}

@Override

protected void writeLineSeparator() throws IOException

{

startOfLine = true;

super.writeLineSeparator();

}

@Override

protected void writeString(String text, List textPositions) throws IOException

{

if (startOfLine)

{

TextPosition firstProsition = textPositions.get(0);

writeString(String.format("[%s]", firstProsition.getXDirAdj()));

startOfLine = false;

}

super.writeString(text, textPositions);

}

boolean startOfLine = true;

};

text = stripper.getText(document);

(ExtractText.java方法 extractLineStart 由 testExtractLineStartFromSampleFile 测试)