Java 如何使用pdfbox提取字体、图像和粗体字体

我是新来的

apachepdfbox

；下面是我从一份简单的简历中提取所有文本的代码。它的工作很好，现在我想得到的字体，粗体，图像等文本，我该怎么做呢

import java.io.File;
import java.io.IOException;
import java.util.Map;
import org.apache.pdfbox.pdmodel.PDDocument;
import org.apache.pdfbox.pdmodel.font.PDFont;
import org.apache.pdfbox.util.PDFTextStripper;

public class PdfExtract {

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

    PDDocument pdf = PDDocument.load(new File("/home/praveen/Downloa/sampleresume.pdf"));
    PDFTextStripper stripper = new PDFTextStripper();

    String plainText = stripper.getText(pdf
    System.out.println(plainText);
  }
 }

---

您将在中找到一些关于如何在纯文本旁边提取样式信息的信息。虽然这个答案侧重于人工样式（例如，通过两次绘制字符以粗体显示），但您可以使用它来获得总体思路：常规字体信息也包含在这里讨论的

TextPosition

对象中。

PDFTextStripper

不会直接覆盖图像（毕竟它是一个文本剥离器…）PDFTextStripper不会直接覆盖图像（毕竟它是一个文本剥离器…）但是，如果您需要包含其位置的图像，则可以使用基于相同基类的其他剥离器类似地提取。如果您只需要没有位置的非内联图像，那么有多个SO答案显示如何从资源中获取这些图像。如何提取“etc”取决于etc的性质。你能给出一些示例代码来实现这一点吗？看看我在第一条评论中指出的答案。@War10ck我不是想在这里引起编辑大战，我也不是。我只是想知道编辑的动机。现在我明白了，尽管我没有分享。OP最多应该更正代码以匹配其实际代码。