如何使用Java在每个pdf文件中具有不同索引的两个字符串之间获取字符串

我有200多个pdf报告文件，我需要从每个报告中获取VIN和案例编号，然后用VIN+Case.pdf重命名报告

对于VIN#，很容易获取它，因为它始终位于页面的开头，并且VIN的固定长度为17个字符

我对案例编号有一个问题，我无法得到确切的数字，因为“案例编号”的索引根据“案例编号”单元格前面每个单元格中的字数从一个报告到另一个报告的变化

我的问题是：如何告诉java给我两个空格之间的字符串，其中一个位于“Case Number”之后，第二个位于单元格“System Key”之前

我试着用空格来分割所有的单词，我陷入了一种逻辑，即如何真正得到那个特定的数字，尽管它的索引号是多少

注意：案例编号始终不同，其长度也不相同

以下是我到目前为止的情况：

    package Read_Pdf_AsA_Text;
    import java.io.File;
    import java.io.IOException;
    import org.apache.pdfbox.pdmodel.PDDocument;
    import org.apache.pdfbox.text.PDFTextStripper;

    public class GetVinAndCaseNum {

    public static void main(String args[]) throws IOException {

    File folder = new File("C:\\Users\\" + System.getProperty("user.name") + "\\Desktop\\Tasks\\test\\");
    File[] listOfFiles = folder.listFiles();
         for (int i = 0; i < listOfFiles.length; i++) {

        if (listOfFiles[i].isFile()) {
                File f = new File("C:\\Users\\" + System.getProperty("user.name") + "\\Desktop\\Tasks\\test\\"+listOfFiles[i].getName()); 

    PDDocument document = PDDocument.load(f);
    PDFTextStripper pdfStripper = new PDFTextStripper(); // Instantiate PDFTextStripper class
    String text = pdfStripper.getText(document); // Retrieving text from PDF document
    System.out.println(text);

if (text.contains("VIN")) {
                int vinIndexIs = text.indexOf("VIN");
                int newVINIndex = vinIndexIs + 3;
                String vinNum = text.substring(newVINIndex, newVINIndex + 19);
                System.err.println("New VIN is ===> " + vinNum);



        }



            int caseNo = 0;
                 if (text != null) {
                        String[] spcase = text.split(" ");
                        System.out.println("spaces ==> " + spcase);
                        boolean foundCaseNumber = false;
                        for (String stringAfterSpace : spcase) {
                            System.out.println("stringAfterSpace ==>  " + stringAfterSpace);

            if(foundCaseNumber) {


          caseNo = Integer.parseInt(stringAfterSpace.trim());
            System.out.println("caseNo ==> " + caseNo);
                    break;
                            }
                            if("Case Number".equals(stringAfterSpace)) {
                                System.out.println("Case Number issss ===> " + stringAfterSpace);
                                foundCaseNumber = true;

                            }
                        }
                        if(caseNo == 0) {
                            System.out.println("Case No. not found.");
                        }
                 } 


                document.close();

                System.out.println("conversion is done");
            }
        }
        }
}

package Read\u Pdf\u AsA\u Text；
导入java.io.File；
导入java.io.IOException；
导入org.apache.pdfbox.pdmodel.PDDocument；
导入org.apache.pdfbox.text.PDFTextStripper；
公共类GetVinAndCaseNum{
公共静态void main（字符串args[]）引发IOException{
文件夹=新文件（“C:\\Users\\”+System.getProperty（“user.name”）+“\\Desktop\\Tasks\\test\\”；
File[]listOfFiles=folder.listFiles（）；
for（int i=0；i”+vinNum）；
}
int caseNo=0；
如果（文本！=null）{
String[]spcase=text.split（“”）；
System.out.println（“空格==>”+spcase）；
布尔值foundCaseNumber=false；
for（字符串stringAfterSpace:spcase）{
System.out.println（“stringAfterSpace==>”+stringAfterSpace）；
if（案例编号）{
caseNo=Integer.parseInt（stringAfterSpace.trim（））；
System.out.println（“caseNo==>”+caseNo）；
打破
}
如果（“案例编号”。等于（stringAfterSpace））{
System.out.println（“案例编号issss===>”+stringAfterSpace）；
foundCaseNumber=true；
}
}
如果（caseNo==0）{
System.out.println（“未找到案例编号”）；
}
} 
document.close（）；
System.out.println（“转换完成”）；
}
}
}
}

我找到了如下解决方案： 我用空格分隔文本，然后用casenamber替换casenamber，这样我就可以在单词“Case”和“Number”之间的空格处涂上红色。然后我做了如下逻辑：

            String caseNum = "";
             if (text != null) {
                    String[] spcase = text.replace("Case Number", "CaseNumber").split(" ");
                    boolean foundCaseNum = false;
                    for (String stringAfterSpace : spcase) {

                        if(foundCaseNum) {

                            caseNum = stringAfterSpace.trim();
                            System.err.println("Case Number is ==> " + caseNum);
                            break;
                        }
                        if(stringAfterSpace.contains("CaseNumber")) {
                            foundCaseNum = true;

                        }
                    }
                    if(caseNum.isEmpty()) {
                        System.out.println("Case No. not found.");
                    }
             } 

            document.close();

            System.out.println("conversion is done");
        }

/*
*导入java.util.regex.Pattern；
*导入java.util.regex.Matcher；
*/
String text=pdfStripper.getText（文档）；//从PDF文档检索文本
Pattern=Pattern.compile（“案例编号\\s+（\\d+\\s”）；//这是正则表达式
Matcher Matcher=pattern.Matcher（文本）；
if（matcher.find（））{
System.err.println（““案例编号为==>”+matcher.group（1））；
}

上述代码中的部分正则表达式：

案例编号

-文本，即搜索此精确字符串

\\s+

-一个或多个连续空格

\\d+

-一个或多个数字

\\s

-单个空格

因此，上面的代码在从PDF文档提取的文本中搜索字符串

Case Number

，后跟一个或多个空格，后跟一个数字

如果找到正则表达式，只需通过code

matcher.find（1）

提取数字即可

请参阅此网页：

---

如果有什么不清楚的地方，请告诉我，以便我可以澄清，也许你应该使用？@Abra我以前没有使用正则表达式，你知道我如何在这里实现它们吗。谢谢你的回答。也许页面布局可以帮到忙。试着找到周围包含“案例编号”和“系统密钥”的两个框“然后得到坐标。然后找到中间的所有盒子，并采取text@MarcStr欧贝尔：谢谢你的建议。这就是我在两天多的时间里一直在努力实现的目标。如果可能的话，我正在寻求帮助。非常感谢你的回答，我在发布我的答案后看到了。但我肯定会试试你贴的那张。非常感谢。再次感谢你