pdf解析，获取字段数据

最近项目需要解析pdf单据，获取里面的字段数据，通过网上的查阅发现itext比pdfbox的文档要多一点，所以选择了itext（不是说pdfbox不好，只是api和例子太少，难以解）。因pdf非模板化（某政府发放），所以靠表单域获取变得不现实。一开始通过PdfReaderContentParser获取的文档内容，但是获取到的是所有内容拼接成的一个字符串，而需求需要将数据精确到字段，靠截取字符串来达到解析的目的是行不通的，因为获取的内容毫无规律。后查看源码代码，发现解析过程是逐字随机字符解析的，所以只有通过字段所在坐标范围来获取字段内容。

其实我们需要获取的字段内容在pdf中组成一个矩形，我们只要知道矩形的坐标就可以获取字段信息，所以想到了pdf中的表单域AcroFields，我在获取的表单域上添加一个编辑域my，如图：

然后获取编辑域“my”的坐标，再然后通过获取的坐标来获取里面字段内容“美国”。

详见代码：

package test;import java.util.List;import com.itextpdf.text.Rectangle;
import com.itextpdf.text.pdf.AcroFields;
import com.itextpdf.text.pdf.AcroFields.FieldPosition;
import com.itextpdf.text.pdf.PdfReader;
import com.itextpdf.text.pdf.parser.FilteredTextRenderListener;
import com.itextpdf.text.pdf.parser.LocationTextExtractionStrategy;
import com.itextpdf.text.pdf.parser.PdfTextExtractor;
import com.itextpdf.text.pdf.parser.RegionTextRenderFilter;
import com.itextpdf.text.pdf.parser.RenderFilter;
import com.itextpdf.text.pdf.parser.TextExtractionStrategy;public class PdfTest2
{     public static void main(String[] args) throws Exception{        String res = "";String filePath = "F:\\test\\testt.pdf";PdfReader reader = new PdfReader(filePath); float[] p = getPdfTextPosition(reader);res = getPdfTextContent(reader, p);System.out.println(res);}public static float[] getPdfTextPosition(PdfReader reader) throws Exception{AcroFields fields = reader.getAcroFields();List<FieldPosition> pos = fields.getFieldPositions("my");FieldPosition pitem = pos.get(0);Rectangle pRectangle = pitem.position;String res = pRectangle.getLeft()+","+pRectangle.getBottom()+","+pRectangle.getRight()+","+pRectangle.getTop();System.out.println(res);float[] arr = {pRectangle.getLeft(), pRectangle.getBottom(), pRectangle.getRight(), pRectangle.getTop()};return arr;}public static String getPdfTextContent(PdfReader reader, float[] p) throws Exception{Rectangle rect = new Rectangle(p[0], p[1], p[2], p[3]);        RenderFilter regionFilter = new RegionTextRenderFilter(rect);TextExtractionStrategy strategys = new FilteredTextRenderListener(new LocationTextExtractionStrategy(), regionFilter);String res = PdfTextExtractor.getTextFromPage(reader, 1, strategys);System.out.println(res);return res;}
}

总结，通过这个方法可批量解析pdf（同模板的）数据，并导入系统。

pdf解析，获取字段数据相关推荐

[abap] 通过动态参数获取字段数据
说明: 通过动态参数获取字段数据,抓取有规则列的字段值在程序开发中,可能会遇到一些规则的字段名,在数据传递中通常需要对这些字段逐个赋值,以下报表是通过动态参数从数据表(结构体)中获取数据. 在透明表 ...
XML无法解析大字段数据、富文本数据
//封装数据的时候需要用以下数据转化一下 public static String htmlEncodeSize(String str) {if(str ==null || str.trim().eq ...
怎么提取pdf中的表格数据_如何从pdf第1部分中提取表格数据
怎么提取pdf中的表格数据 In this article, we talk about the challenges and principles of extracting tabular dat ...
python获取路由器数据包_python读取路由信息
手上有一台上古时代的tp-link,获取ip没问题,但是速度太慢,于是研究了水星mac1200R. 通过Firebug研究登陆可以知道首先登陆的时候,需要将密码编码以后以json形式传给路由器,然后 ...
【2020/6/24整理版】利用csi tool获取csi数据并进行数据解析----适合初学的小白
1.准备工作 <1> 查看自己电脑是否能安装Intel 5300网卡,不能安装的话直接看文章最后,尝试Atheros csi tool工具. <2> 安装Ubuntu系统,cs ...
Python 获取接口数据，解析JSON,写入文件
Python 获取接口数据,解析JSON,写入文件用于练手的例子,从国家气象局接口上获取JSON数据,将它写入文件中,并解析JSON: 总的来说,在代码量上,python代码量要比java少很多.而 ...
datagrid如何获取一行数据中的某个字段值_redis 所支持的数据类型以及其应用场景...
1.支持的数据类型 redis 支持 String.hash.list.set.Sort set这几种数据类型,可用于缓存.事件发布订阅.高速队列等场景. String是最常用的数据类型,它能够存储任 ...
ajax获取json数据为undefined--原因解析
解决办法:var dataObj=eval("("+data+")");//转换为json对象问题: 1. 碰到一个问题ajax成功获取json数据后,取值显 ...
Android中怎获取json,Android应用中如何解析获取的json数据
Android应用中如何解析获取的json数据发布时间:2020-11-24 17:10:08 来源:亿速云阅读:107 作者:Leah 这篇文章将为大家详细讲解有关Android应用中如何解析获 ...

pdf解析，获取字段数据

pdf解析，获取字段数据相关推荐

最新文章

热门文章