自定义PDFTextStripper PDFbox

Question

[PDFTextStripper具有从整个文档中提取文本的功能，是否有一种方法可以在识别出某个值之后仅在特定值之后提取文本，例如：

A B C D G   1 line

A B C D G   2 line

A B C D G   3 line

QUANTITY  4 line

我想找到数量（字符串）后开始提取文本如果有人处理PDFBox并提出建议，将不胜感激

或者是否只有在文本将包含的值之后碰到一行时才可以添加到列表？

Answer 1

最简单的解决方案是捕获整个文本，然后创建一个表示-> "DESCRIPTION\\s*Reference\\s*QUANTITY(.*)"的模式，因此基本上我想捕获上述单个页面上的所有内容

1. 创建一个将String文本作为参数的函数，找到单个matcher.group(1)，然后返回String或Optional<String>
2. 创建一个模式，并使用正则表达式告诉该模式，您想从哪里开始捕获

Answer 2

您可以按照Artjom的说明捕获整个文本，也可以创建一个自PDFTextStripper扩展的自定义PDFTextStripper并覆盖解析文本的函数，像这样

@Override
protected void writeString(String text, List<TextPosition> textPositions) {
    ...
}

然后使用TextPositions确定应该开始解析的位置