如何在Java中使用iText从PDF文件中删除页眉和页脚

我正在使用PDF iText库将PDF转换为文本

下面是我使用Java将PDF转换为文本文件的代码

public class PdfConverter {

/** The original PDF that will be parsed. */
public static final String pdfFileName = "jdbc_tutorial.pdf";
/** The resulting text file. */
public static final String RESULT = "preface.txt";

/**
 * Parses a PDF to a plain text file.
 * @param pdf the original PDF
 * @param txt the resulting text
 * @throws IOException
 */
public void parsePdf(String pdf, String txt) throws IOException {
    PdfReader reader = new PdfReader(pdf);
    PdfReaderContentParser parser = new PdfReaderContentParser(reader);
    PrintWriter out = new PrintWriter(new FileOutputStream(txt));

    TextExtractionStrategy strategy;
    for (int i = 1; i <= reader.getNumberOfPages(); i++) {
        strategy = parser.processContent(i, new SimpleTextExtractionStrategy());
        out.println(strategy.getResultantText());
        System.out.println(strategy.getResultantText());
    }
    out.flush();
    out.close();
    reader.close();
}

/**
 * Main method.
 * @param    args    no arguments needed
 * @throws IOException
 */
public static void main(String[] args) throws IOException {
    new PdfConverter().parsePdf(pdfFileName, RESULT);
}
}

公共类PdfConverter{
/**将被解析的原始PDF*/
公共静态最终字符串pdfFileName=“jdbc_tutorial.pdf”；
/**生成的文本文件*/
公共静态最终字符串RESULT=“preforce.txt”；
/**
*将PDF解析为纯文本文件。
*@param pdf原始pdf
*@param txt返回结果文本
*@抛出异常
*/
公共void parsePdf（字符串pdf，字符串txt）引发IOException{
PdfReader reader=新PdfReader（pdf）；
PdfReaderContentParser=新的PdfReaderContentParser（读取器）；
PrintWriter out=新的PrintWriter（新文件输出流（txt））；
文本抽取策略；
对于（int i=1；i因为您的pdf有页眉和页脚，所以它将被标记为工件（如果不是仅仅是放置在页眉或页脚位置的文本或内容）。如果它标记为工件，则可以使用ParseTaggedPdf提取它。如果ParseTaggedPdf不起作用，也可以使用ExtractPageContentArea。您可以查看一些与它相关的示例

上面的解决方案是通用的，取决于文件。如果您确实需要其他解决方案，您可以使用apache API，如PdfBox、tika和其他类似于PDFTextStream的解决方案。如果您必须坚持使用iText，并且无法移动到其他库，则我下面给出的解决方案将不起作用。在PdfBox中，您可以使用PDFTextStripperByArea或PDFTextStr如果你想知道如何使用它，可以看看JavaDoc或一些例子。
使用IText我在这个网站上找到了一个例子

在这里，您可以创建一个矩形，用于定义要获取的文本的边界

PdfReader reader = new PdfReader(pdf);
PrintWriter out= new PrintWriter(new FileOutputStream(txt));
//Creating the rectangle
Rectangle rect=new Rectangle(70,80,420,500);
//creating a filter based on the rectangle
RenderFilter filter = new RegionTextRenderFilter(rect);
TextExtractionStrategy strategy;
for(int i=1;i<=reader.getNumberOfPages();i+){
    //setting the filter on the text extraction strategy
    strategy= new FilteredTextRenderListener(
      new LocationTextExtractionStrategy(),filter);
    out.println(PdfTextExtractor.getTextFromPage(reader,i,strategy));
}
out.flush();out.close();

PdfReader阅读器=新的PdfReader（pdf）；
PrintWriter out=新的PrintWriter（新文件输出流（txt））；
//创建矩形
矩形rect=新矩形（70,80420500）；
//基于矩形创建过滤器
RenderFilter过滤器=新区域ExtranderFilter（rect）；
文本抽取策略；
对于（int i=1；i您可以读取pdf文件的特定位置。只需标记您需要从中获取文本的区域，并保留显示页眉和页脚的区域。我已经完成了，下面是完整的代码。
在这种情况下，我想您应该
扩展SimpleTextractionStrategy
以不读取/返回页眉和页脚（我猜你是通过位置知道的）。@amar你至少应该给出一个提示，说明如何识别PDF中的页眉和页脚材料。这是一个适当标记的PDF吗？还是有一个页面区域（所有页面都有固定的坐标）你想要的内容在哪一个内部，不想要的内容在哪一个外部？或者怎样才能识别它？@chsdk我试过那一个，那是不同的一个。我没有得到结果。你希望我们如何处理这些链接？BlueBeam文档是关于页眉/页脚的，添加了一个特定的工具，可能会标记页眉和foo这样的问题。是否要删除以这种方式标记的页眉和页脚？如果是，请共享这样的PDF。另一个PDF是来自Oracle.com的PDF。不清楚您要对该文件执行什么操作。请重新表述问题，以便能够实际回答。Bluebeam文档没有任何页眉或页脚！Oracle文档是带标签的PDF以及页眉和页脚被定义为工件。是否要删除这些工件？重复“我想删除该PDF文件中的页眉和页脚”的问题没有意义。您只会用它来烦扰人们。如果它不是带标签的PDF，那么如何删除页眉和页脚（如果只是放置在页眉或页脚位置的文本或内容）。您可以选中此链接=您需要定义需要提取的指定区域