Java 如何从文档文本中查找相关字段？

我从一份pdf格式的法案中提取了文本，看起来像这样（法案可能会有所不同）

___________________________________________________ |发票编号|项目ID |项目名称|数量|金额| |___________|________|_____________|_______|________| |12323133 | 1 | Hp笔记本电脑| 1 | 180000| |1234534H | 1 | Hp笔记本电脑| 1 | 180000| |SW323133 | 1 | Hp笔记本电脑| 1 | 180000| |FGF323133 | 1 | Hp笔记本电脑| 1 | 180000| |___________|________|_____________|_______|________|

---

现在，我需要一个算法来查找所有相关信息，如发票号码/商品名称等。文本可以短或长2-3页

看起来空格像是.csv中的“；”分隔符，因此您可以使用String.split（Pattern.quote（“”））创建一个数组；每过5个元素，你就跳到下一行

试试这样：

File f = new File("example.pdf");
        BufferedReader br = new BufferedReader(new FileReader(f));
        ArrayList<String> Data = new ArrayList<String>();
        while((line = br.readLine()) != null) {
            String[] a = line.split(Pattern.quote(" "));
            for(int i = 0; i < a.length; i++) {
                if(!(a[i] == null || a[i] == "")) {
                    Data.add(a[i]);
                }
            }
        }

File f=新文件（“example.pdf”）；
BufferedReader br=新的BufferedReader（新文件读取器（f））；
ArrayList数据=新的ArrayList（）；
而（（line=br.readLine（））！=null）{
String[]a=line.split（Pattern.quote（“”））；
for（int i=0；i

一些值可能包含空格这一事实在这里是一个问题，因为这些值由空格分隔。如果您控制了提取此信息的程序，我建议您尝试转义其输出中的值，例如“Hp笔记本电脑”。在输入格式化为这样之后，正常的csv解析方法应该允许您提取映射到头的信息。此库可能有助于：

---

文本是否有任何格式，如CSV或类似格式？你能给我们举个例子吗？到目前为止，您在java中尝试了什么？您的源文件是pdf吗？是的，它是使用pdftools从pdf/图像中提取的文本。提取后是什么格式或数据结构？任何

行列表

，或者可能是带有行数的

行映射

？我建议您在使用pdftools提取数据时，将此数据转换为jsonobject。一旦您在jsonobject中获得了数据，您就可以更好地控制数据。否则，以文本格式处理这些数据将是非常关键的，因为不需要间距或其他一些特殊字符，但账单可以采用不同的格式。因此，我不能依赖列位置，你是对的。。但后来我想你需要一个不同的算法来处理不同的账单

File f = new File("example.pdf");
        BufferedReader br = new BufferedReader(new FileReader(f));
        ArrayList<String> Data = new ArrayList<String>();
        while((line = br.readLine()) != null) {
            String[] a = line.split(Pattern.quote(" "));
            for(int i = 0; i < a.length; i++) {
                if(!(a[i] == null || a[i] == "")) {
                    Data.add(a[i]);
                }
            }
        }