用於提取「可搜索pdf」中文本邊界的工具包和方法

Question

我有一個「可搜索pdf」又名'具有不可見但可選擇文本的圖像文件'。 （當在Acrobat中打開此文件時，系統會提示「您正在以PDF/A模式查看此文檔」。）

我需要提取本文檔中每個單詞的邊界矩形。任何建議的工具包和訪問「invisi-text」單詞邊界框的方法？

我更喜歡java中的工具，但非常感謝您的任何建議。

Answer 1

Acrobat的JavaScript庫看起來是最簡單，尤其是：

getPageNthWordQuads 

其在 「搜索PDF」 的作品。

將是很好，如果雜技演員JavaScript庫是可以作爲Java調用...

Answer 2

退房的iText庫：http://www.lowagie.com/iText/

Answer 3

PDFBOX和JPedal還提供文本提取方法。