PDF使用Tika解析區域

Question

我在用什麼：我正在使用Apache Tika解析我的Java應用程序中的PDF。

我需要的是什麼：我需要解析我的PDF的某個區域（即由Rectangle對象定義），就像我通常用iText所做的那樣。

問題：是否可以使用Apache Tika解析我的PDF的定義區域？怎麼樣？

Answer 1

Apache Tika將爲您提供文檔的簡化的標準化HTML表示。對於基於頁面的格式（如PDF或PPT），它將標記頁面邊界，但對於非基於頁面的格式（例如基於運行的.doc），則不會。

你需要做的是下降到Apache PDFBox，這是在Tika中爲PDF解析器提供動力的底層庫。使用PDFBox，您可以獲取給定頁面上對象的位置，找出它們是否在您想要的範圍內，並獲取它們的文本。它不會像使用Apache Tika一樣容易，但是對於這個級別的控制，您需要更多地參與