Java 使用pdf框区分上标和下标

我是pdfbox新手。使用pdfbox库从pdf中提取文本时或提取文本后，是否有任何方法可以将上标和下标文本与普通文本区分开来，谢谢。

如果有帮助，请检查此链接

---

通过查找Y和高度变化，能够识别大多数上标。试试这个：

编写您自己的PDFTextStripper实现

将此项添加到

writePage（）

以将上标转换为单独的单词：

if((position.getY() < lastPosition.getTextPosition().getY()
    && position.getHeight() < lastPosition.getTextPosition().getHeight())
    || (position.getY() > lastPosition.getTextPosition().getY()
    && position.getHeight() > lastPosition.getTextPosition().getHeight()))
                    line.add(WordSeparator.getSeparator());

if（（position.getY（）lastPosition.getTextPosition（）.getY（））
&&position.getHeight（）>lastPosition.getTextPosition（）.getHeight（））
add（WordSeparator.getSeparator（））；

然后将其添加到writeLine（）以在上标之前或之后添加标记：

        if(word.textPositions.size()>0)
        {
        TextPosition firstChar = word.textPositions.get(0);

        if(i==0)
        {
            prevY = firstChar.getY();
            prevHeight = firstChar.getHeight();
        }

        if(prevY!=0)
        {
        if((firstChar.getY() < prevY && firstChar.getHeight() < prevHeight))
        {
    output.write("<sup>");
    writeString(word.getText(), word.getTextPositions());

        }
        else if((firstChar.getY() > prevY && firstChar.getHeight() > prevHeight))
        {
             output.write("</sup>");
             writeString(word.getText(), word.getTextPositions());

        }
        else
            writeString(word.getText(), word.getTextPositions());
        }

if（word.textPositions.size（）>0）
{
textpositionfirstchar=word.textPositions.get（0）；
如果（i==0）
{
prevY=firstChar.getY（）；
prevHeight=firstChar.getHeight（）；
}
如果（上一个！=0）
{
if（（firstChar.getY（）prevY&&firstChar.getHeight（）>prevHeight））
{
输出。写入（“”）；
writeString（word.getText（），word.getTextPositions（））；
}
其他的
writeString（word.getText（），word.getTextPositions（））；
}

而链接页面可能会给出问题的答案（而且@Tilman的评论似乎表明了这一点），有关堆栈溢出的答案预计将更加独立。因此，请将该链接中的关键代码添加到您的答案中，我已修复并扩展了该代码。如果上标位于行的开头，则原始版本不会放置，如果上标是行中的最后一个条目，则也不会放置。实现优先于sca在单词列表中插入标签，然后打印出单词。