Java 从书签处的PDF中提取文本

我需要在书签所在的位置从PDF中提取文本

PDFBox提取书签所在的整个页面，如前所述

---

但是我需要从书签开始提取文本。

我相信iText可以处理这个问题

Rectangle2D bookmarkRect = getRectFromBookmark(someBookmarkThingy);

FilteredTextRenderListener filter = 
  new FilteredTextRenderListener( new LocationTextExtractionStrategy(), 
                                  new RegionTextRenderFilter( bookmarkRect ));

String bookmarkText = PdfTextExtractor.getTextFromPage(reader, pageNum, filter);

someBookmarkThingy

可能是所讨论书签的PDF字典

警告书签实际上可以容纳几乎任何动作。他们通常会进行几种不同的“转到”动作中的一种

GoTo操作可以指定一个矩形、左上角和缩放因子、一个页面以及许多其他变体。任何定义缩放设置的内容都会受到PDF显示窗口大小的影响。其中包括除为新视图显式定义边界框之外的所有视图。你必须对一个典型的窗口大小做一个有根据的猜测，然后从那里进行转换

您可能需要阅读，特别是第12.6.4.2节“转到操作”。嗯。您真正需要的是关于目的地的部分，12.3.2。可通过以下方式定义页面目标：

• [pageRef/XYZ左上缩放]
• [pageRef/Fit]
• [第pageRef页/第五页顶部]
• [pageRef/FitV左]
• [pageRef/Fiter左下右上]
• [第pageRef/FitB页]
• [pageRef/FitBH顶部]
• [pageRef/FitBV左]

---

玩得开心

别忘了页面底部不一定是Y=0。可能是200到2000年。您只需要检查页面的裁剪框（和旋转！）。