如何使用itextpdf android的

我使用itextpdf提取PDF文本在我的Android應用程序中提取馬拉地語，印地文PDF文件中的文本。它是爲PDF具有英語工作正常，但是當我試圖從馬拉或印地文PDF中提取文本是不正確的提取文字。如何使用itextpdf android的

這是給結果作爲

matrabadha阿倫kalakani 愛慕拍拍jadhamani有adhana samuakaka ganuganuta ragoli後刪除saravanu。那我

請幫我在這，提取適當的內容

來源

2016-12-02 Manoj

究竟什麼是「正確的內容」對於那些誰不知道區別在哪裏？ –

的假名和matras通常給予單獨的代碼完全。它是用字母沿着然後寫入。您可能要檢查一次方向，如果有一個模式，你必須給他們改正的最後一個值。 – SanVed

我只想說，這是不是給我正確的話在PDF中。 – Manoj

如果你不是在Android上，答案會很容易：使用的iText 7.輸出出來多少解析文檔時，吸塵器的iText 7 ，它仍然不是100％正確，但至少它看起來大多是可讀的，我（雖然我需要爲母語的人確認）。這是第2頁：

maitrabadham阿倫kulakani
maitrabadham

阿倫kulakani

Ë材料prahisthana
Ë材料prahisthana

的結果是下一個頁面類似，有一些小的打嗝，但沒有在iText的5

畸變，

但是，是的，不幸的是你在Android上。目前由於還沒有Android版本的iText的7，所以你會堅持等待一個或嘗試手動端口iText的Android平臺（如果你不是十分熟悉Android和iText的這兩個可能會考慮半天）。

這是我用iText的7碼：

// iText imports 
import com.itextpdf.kernel.pdf.PdfDocument; 
import com.itextpdf.kernel.pdf.PdfReader; 
import com.itextpdf.kernel.pdf.canvas.parser.PdfTextExtractor; 
public class HindiText { 

    @Test 
    public void go() throws Exception { 
     try (PdfDocument doc = new PdfDocument(new PdfReader("input.pdf"))) { 
      try (OutputStream os = new FileOutputStream("output.txt")) { 
       String result = PdfTextExtractor.getTextFromPage(doc.getPage(3)); 
       os.write(result.getBytes(Charset.forName("UTF-16"))); 
      } 
     } 
    } 
}

供參考：作爲2016年12月2日需要從源（https://github.com/itext/itext7）建立的iText 7達到予上述質量。它被釋放時，此功能將被包含在iText的7.0.2。

來源

2016-12-02 09:38:21 blagae

哪種語言您使用了FO這一點，你可以分享你的代碼，這樣我就可以得到一些想法 – Manoj

感謝您分享您的代碼，我會讓你知道，如果它正適合我。 – Manoj

我曾嘗試你的代碼，但它給我相同的輸出以前，你能告訴我你的iText 7使用哪個jar文件，我曾用「com.itextpdf：內核：7.0.1」的依賴。 – Manoj

如何使用itextpdf android的

回答

相關問題