Java 在PDFBox中按顺序阅读段落

我正在尝试使用PDFBox解析日志页面。下面是我正在使用的代码片段：

try (PDDocument document = PDDocument.load(new File("myfile.pdf"))) {

    if (!document.isEncrypted()) {

        PDFTextStripperByArea stripper = new PDFTextStripperByArea();
        stripper.setSortByPosition(true);

        PDFTextStripper tStripper = new PDFTextStripper();
        tStripper.setParagraphEnd("\n");

        String pdfFileInText = tStripper.getText(document);

        String output = "";

        String lines[] = pdfFileInText.split("\\r?\\n");
        for (String line : lines) {
            output += line + "\n";
        }

    }

}

问题是，即使我得到的段落是好的，它们以完全随机的顺序出现。我需要让段落按自然顺序排列（上下左右），但PDFBox似乎毫无理由地从页面的一侧跳到另一侧。我的原始PDF文件还包含随机位置的图像，我想这可能与此有关

以下是未按顺序阅读的PDF示例：

下面是我从这个样本中得到的：

GALIZA>2-3
Analizamos os programas de PSOE, PP, 
En Común-Unidas Podemos e do BNG

> Na Galiza hai case 15 librarías por cada 
100.000 habitantes

> Só o 26% das persoas propietarias son 
mulleres, fronte ao 74% de homes 

A media de 
traballadoras dunha 
libraría e de 3,5

TRABALLO>15
Día das Librarías

As oito 
medidas 
electorais 
para Galiza

---

有没有办法让段落按自然顺序排列？

这对你有用吗

        PDDocument document = PDDocument.load(new File("myfile.pdf"));
        PDFTextStripper stripper = new PDFTextStripper();
        stripper.setSortByPosition(true);
        ObjectMapper objectMapper = new ObjectMapper();

        for (int p = 0; p <= document.getNumberOfPages(); p++) {
            stripper.setStartPage(p);
            stripper.setEndPage(p);
            String text = stripper.getText(document);
            System.out.println(text);
        }

PDDocument document=PDDocument.load（新文件（“myfile.pdf”）；
PDFTextStripper剥离器=新的PDFTextStripper（）；
脱扣器。设置端口BYPOSITION（真）；
ObjectMapper ObjectMapper=新的ObjectMapper（）；
对于（int p=0；p），不看pdf就很难对其进行评论。只是添加了一个示例“但是PDFBox似乎没有真正的原因从页面的一侧跳到另一侧”-原因是你的特定PDF中的文本绘制说明以奇怪的顺序出现，PDFBox只是向你反映了这一点…这就是我的想法，谢谢你的回答。我必须找到另一种方法现在它读取全文，这对我不起作用，因为我试图解析的日志是以列形式编写的，所以PDFBox I如果你知道位置，你可以尝试提取TextByArea。谢谢你的评论。不幸的是，在解析一些pdf文件之前，位置是未知的。这个解决方案解决了我的问题，谢谢。我还建议使用t如果仍有问题，则使用Tabla库/应用程序。它可以用作命令行应用程序，也可以用作带有Tabla java的java库：