Can'；我得不到文本'；使用itext的真实字体？

我一直在尝试从pdf中提取文本，多亏了itext，我可以提取整个文本。然而，我试图检测标题的字体，通过使用这些信息，我计划只提取两个特定标题之间的文本。例如，在一篇科学论文中，我只想摘录“引言”部分。为此，我应用了以下链接

但是，当我手动检查时，它似乎为所有不正确的单词提供了相同的字体类型（复制粘贴到word文档使我能够看到不同的字体）。这是我写的代码

PdfReader reader = new PdfReader(pdf);
PrintWriter out = new PrintWriter(new OutputStreamWriter(new FileOutputStream(txt), "UTF-8"));
SemTextExtractionStrategy semTextExtractionStrategy = new SemTextExtractionStrategy();

for (int j = 1; j <= reader.getNumberOfPages(); j++) {
out.println(PdfTextExtractor.getTextFromPage(reader, j, semTextExtractionStrategy));}

        out.flush();
        out.close();

作为这段代码的结果，我得到了这样的结果。它们都有字体类型4

...
4                             --> font type
[[Ljava.lang.String;@4371767c --> font getFullFontName() ---> it must be HelveticaNeue-Bold
INTRODUCTION                  --> original text

4
[[Ljava.lang.String;@4e19e97b --> it must be AGaramond-Regular
We

4
[[Ljava.lang.String;@72fb24c  --> it must be AGaramond-Regular
have

---

…

当您更好地了解Java时，您将了解到输出与您的一样

[[Ljava.lang.String;@4371767c --> font getFullFontName() ---> it must be HelveticaNeue-Bold
[[Ljava.lang.String;@4e19e97b --> it must be AGaramond-Regular
[[Ljava.lang.String;@72fb24c  --> it must be AGaramond-Regular

是字符串数组的典型字符串表示形式

因此，为了检查这些值，应该首先遍历

font-getFullFontName（）

返回的数组；因为每个条目都是一个数组，所以您也应该对它们进行迭代；其中的条目是字符串，因此是要打印的元素

如果您想知道这个字符串数组包含什么，您还将了解查看第三方库的代码或至少JavaDocs的好处；以防你的线路

System.out.println(renderInfo.getFont().getFullFontName());

您可以在以下内容中找到对方法的描述

getFullFontName

：

/**获取字体的全名。如果是真字型字体
*每个数组元素将具有{平台ID，平台编码ID，
*语言ID，字体名称}。该值的解释可以是
*可在开放式类型规范第2章的“名称”表中找到。

*对于其他字体，数组有一个带有{“”、“”、，
*字体名称}。
*@返回字体的全名
*/
公共抽象字符串[][]getFullFontName（）；

看一看这个示例，了解存储在这个二维数组中的信息：

---

您可能想改用

getPostscriptFontName（）

方法。

谢谢@mkl。迭代数组时，我访问名称。然而，这一次我同样要检索每个文本的字体大小。在“gs”下调试脚本时，我可以看到字体大小。但是，当我试图通过“renderInfo”访问它时，我无法访问它？恐怕字体大小还没有正式提供。通过使用反射，您可以通过gs成员访问它。通过应用此解决方案stackoverflow.com/questions/10879336/…似乎我成功地获得了每个文本的字体大小。然而，我观察到，即使在同一个文本部分（例如文章的引言部分），字体大小也不稳定。是否可能是pdf格式，或者我使用的解决方案可能是错误的？提前谢谢@mklfont大小不稳定-这是因为实际返回的是上升，也不是字体大小。

System.out.println(renderInfo.getFont().getFullFontName());

/** Gets the full name of the font. If it is a True Type font
 * each array element will have {Platform ID, Platform Encoding ID,
 * Language ID, font name}. The interpretation of this values can be
 * found in the Open Type specification, chapter 2, in the 'name' table.<br>
 * For the other fonts the array has a single element with {"", "", "",
 * font name}.
 * @return the full name of the font
 */
public abstract String[][] getFullFontName();