itextpdf 找出PDF中 文字的坐标

目录

• 添加引用
• 添加工具类
• 调用

找到位置，签名的话见：https://www.cnblogs.com/vipsoft/p/18644127

新项目可以尝试一下 iText 7 , 我这边是老项目所以还是继续使用 iText 5，主打够用
iText 5 没有直接提供获取文本精确位置的功能。它只能提取文本内容，而文本位置通常需要通过额外的解析和计算来确定。

思路：在同一行，且一些词是连续的，前后没有空白字符串，即认为是一个词
需要特殊处理：

• “姓 名：” 中间有空格
• 读取PDF时，有些肉眼看上去是一行的字，可能会被解析为多个，导致找不到满足条件的关键字

添加引用

<itextpdf.version>5.5.13</itextpdf.version>
<itext-asian.version>5.2.0</itext-asian.version><dependency><groupId>com.itextpdf</groupId><artifactId>itextpdf</artifactId><version>${itextpdf.version}</version>
</dependency>
<!--没有这个的话，添加文字会报错-->
<dependency><groupId>com.itextpdf</groupId><artifactId>itext-asian</artifactId><version>${itext-asian.version}</version>
</dependency>

添加工具类

package com.vipsoft.web;import cn.hutool.core.util.StrUtil;
import com.itextpdf.text.pdf.parser.ImageRenderInfo;
import com.itextpdf.text.pdf.parser.RenderListener;
import com.itextpdf.text.pdf.parser.TextRenderInfo;
import com.itextpdf.awt.geom.Rectangle2D.Float;import java.util.ArrayList;
import java.util.List;public class KeyWordPositionListener implements RenderListener {/*** 用来存储页面上所有的词* - 排除连续空格*/private List<WordItem> allItems = new ArrayList<WordItem>();/*** 搜索关键词*/private String keyWord;/*** 是否是新的词*/private boolean newWord = false;/*** 记录上一个字符 -- 用于判断是否是一组词*/private WordItem prevItem = new WordItem();/*** 已找到的词信息*/private WordItem wordItem;public WordItem getWordItem() {return wordItem;}public void setKeyWord(String keyWord) {this.keyWord = keyWord;}@Overridepublic void beginTextBlock() {// TODO Auto-generated method stub}/*** 方法会在解析文本时被调用，它检查每个文本片段是否包含关键词，并记录其位置。** @param renderInfo*/@Overridepublic void renderText(TextRenderInfo renderInfo) {if (wordItem != null || StrUtil.isEmpty(keyWord)) {return;}// 读取PDF时，有些肉眼看上去是一行的字，可能会被解析为多个，导致找不到满足条件的关键字，这里做了简单的处理// 即如果一些词是连续的，前后没有空白字符串，即认为是一个词String content = renderInfo.getText().trim();Float textRectangle = renderInfo.getBaseline().getBoundingRectange();if (StrUtil.isEmpty(content)) {// 当前扫出来的是空字符串，视新一个新的词即将开始newWord = true;
//            System.out.println("扫出空的，跳过  x=" + textRectangle.getX() + " y=" + textRectangle.getY());return;}if (StrUtil.isEmpty(prevItem.getContent())) {// 这段可以不需要// prevItem 中还没有存内容的，当前文字也视为新的词newWord = true;
//            System.out.println("prevItem 中还没有存内容的，视为新词");}if (StrUtil.isNotEmpty(prevItem.getContent()) && (Math.abs((int) prevItem.getY() - (int) textRectangle.getY()) > 5)) {//Y 正负2内，视为同一行System.out.println("不在同一行：prevItem=" + prevItem.getContent() + " x=" + (int) prevItem.getX() + " y=" + (int) prevItem.getY());System.out.println("不在同一行：content=" + content + " x=" + (int) textRectangle.getX() + " y=" + (int) textRectangle.getY());System.out.println("当前内容和prevItem 不在同一行，视为新词");newWord = true;}if (newWord) {//重置System.out.println("重置 prevItem: " + prevItem.getContent());prevItem = new WordItem();}System.out.println("已扫到字：content=" + content + " x=" + textRectangle.getX() + " y=" + textRectangle.getY());String preContent = StrUtil.isNotEmpty(prevItem.getContent()) ? prevItem.getContent() : "";prevItem.setContent(preContent + content);prevItem.setX(textRectangle.getX());prevItem.setY(textRectangle.getY());if (prevItem.getContent().contains(keyWord)) {//System.out.println("找到了【" + keyWord + "】 " + prevItem.getContent() + " x= " + prevItem.getX() + " y= " + prevItem.getY());wordItem = prevItem;}newWord = false;}@Overridepublic void endTextBlock() {// TODO Auto-generated method stub}@Overridepublic void renderImage(ImageRenderInfo renderInfo) {// TODO Auto-generated method stub}}/*** 存储一个词的信息*/
class WordItem {private String content;private double x;private double y;... getters and setters ...
}

调用

@Test
void searchText() throws Exception {String filepath = "D:\\Report.pdf";String keyWord = "审核医生";int page = 1;PdfReader pdfReader = new PdfReader(filepath);//int pageNum = pdfReader.getNumberOfPages(); //循环没页PDF查找PdfReaderContentParser pdfReaderContentParser = new PdfReaderContentParser(pdfReader);KeyWordPositionListener renderListener = new KeyWordPositionListener();renderListener.setKeyWord(keyWord);pdfReaderContentParser.processContent(page, renderListener);WordItem wordItem = renderListener.getWordItem();if (wordItem == null) {System.out.println("没找到 " + keyWord);return;}System.out.println("找到了【" + keyWord + "】 " + wordItem.getContent() + " x= " + wordItem.getX() + " y= " + wordItem.getY());
}