Java 使用PDFBox解析PDF文件-列重叠

我有一个PDF文件，我需要用布局解析它。我使用ApachePDFBox解析PDF，并使用PDFLayoutTextStripper类进行布局

我给出了一个示例，来自示例PDF图像。第120.01.191行；带有文本的列（以“LODOS KUNDURA-NEVZAT BALIKÇI AYAK.İML”开头）溢出到下一列，因此，当应用程序读取下一列时，我得到了一个结果，如“.TAO 3 P4.4 S.a 94 T9”，66'. 问题是第二列和第三列合并为一列。我希望将它们分别命名为“LODOS KUNDURA-NEVZAT BALIKİI AYAK.İMLAT PAS./344949.66”

---

有没有办法避免这个问题？提前感谢。

如果您使用的是

PDFLayoutTextStripper

，那么您需要一种表示法，该表示法尝试将字符放置在它们实际所在的位置。在您的案例中，存在重叠。因此，重叠的文本片段很有可能被彼此弄乱。（部分损坏似乎是不必要的，但我怀疑是否有一种简单的方法可以获得您想要的结果。）不过，一个选项可能是忽略不可见的字符，至少如果您可以限制自己，例如由于剪辑路径而不可见。如果您使用的是

PDFLayoutTextStripper

，然后，您需要一个表示，它尝试将字符放置在它们实际所在的位置。在您的案例中，存在重叠。因此，重叠的文本片段很有可能被彼此弄乱。（部分损坏似乎是不必要的，但我怀疑是否有一种简单的方法可以获得您想要的结果。）但是，一个选项可能是忽略不可见的字符，至少如果可以限制自己，例如由于剪辑路径而不可见。