Java PDFbox未在android上提取区域

我试图只提取PDF文档上突出显示的文本。它在PC上工作，但当我在Android上使用它时，它失败了。PDFBox不能直接在android上工作，所以我在android上使用Birdbrain2/PDFBox android

下面是PC代码

import java.awt.geom.Rectangle2D;
import java.io.File;
import java.util.List;

import org.apache.pdfbox.pdmodel.PDDocument;
import org.apache.pdfbox.pdmodel.PDPage;
import org.apache.pdfbox.pdmodel.common.PDRectangle;
import org.apache.pdfbox.pdmodel.interactive.annotation.PDAnnotation;
import org.apache.pdfbox.util.PDFTextStripperByArea;

public class ExtractHighlights {
    public static void main(String args[]) {        
        System.out.println(extractHighlights("sample.pdf"));
    }

    public static String extractHighlights(String fileName){
        String extractedText = "";
        try {
            PDDocument pddDocument = PDDocument.load(new File(fileName));
            List allPages = pddDocument.getDocumentCatalog().getAllPages();         
            for (int i = 0; i < allPages.size(); i++) {             
                PDPage page = (PDPage) allPages.get(i);
                List<PDAnnotation> la = page.getAnnotations();
                if (la.size() < 1) {
                    continue;
                }

                for (PDAnnotation pda : la) {
                    PDFTextStripperByArea stripper = new PDFTextStripperByArea();
                    stripper.setSortByPosition(true);

                    PDRectangle rect = pda.getRectangle();
                    float x = rect.getLowerLeftX();
                    float y = rect.getUpperRightY();
                    float width = rect.getWidth();
                    float height = rect.getHeight();
                    int rotation = page.findRotation();
                    if (rotation == 0) {
                        PDRectangle pageSize = page.findMediaBox();
                        y = pageSize.getHeight() - y;
                    }

                    Rectangle2D.Float awtRect = new Rectangle2D.Float(x, y,
                            width, height);
                    stripper.addRegion("0", awtRect);
                    stripper.extractRegions(page);  
                    String highlight = stripper.getTextForRegion("0").trim();
                    if(highlight.length() == 0) continue;
                    extractedText += highlight.substring(0,highlight.length()-2)+" ";
                }               
            }
            pddDocument.close();
            //System.out.println(extractedText);
        } catch (Exception ex) {
            ex.printStackTrace();
        }
        return extractedText;
    }
}

导入java.awt.geom.Rectangle2D；
导入java.io.File；
导入java.util.List；
导入org.apache.pdfbox.pdmodel.PDDocument；
导入org.apache.pdfbox.pdmodel.PDPage；
导入org.apache.pdfbox.pdmodel.common.PDRectangle；
导入org.apache.pdfbox.pdmodel.interactive.annotation.PDAnnotation；
导入org.apache.pdfbox.util.PDFTextStripperByArea；
公开课精选{
公共静态void main（字符串args[]）{
System.out.println（extractHighlights（“sample.pdf”）；
}
公共静态字符串提取器突出显示（字符串文件名）{
字符串extractedText=“”；
试一试{
PDDocument pddDocument=PDDocument.load（新文件（文件名））；
List allPages=pddDocument.getDocumentCatalog（）.getAllPages（）；
对于（inti=0；i

以下是无法工作的android代码

@Override
        protected String doInBackground(String... strings) {
            String extractedText = "";

            try {
                Log.i("ExtractHighlights","Started");
                PDDocument pddDocument = PDDocument.load(new File(strings[0]));
                PDPageTree allPages = pddDocument.getDocumentCatalog().getPages();
                int totalPages = allPages.getCount();
                int pageNumber = 0;
                for (PDPage page:allPages) {
                    publishProgress(pageNumber++,totalPages);
                    Log.i("ExtractHighlights", "Reading page");
                    List<PDAnnotation> la = page.getAnnotations();
                    if (la.size() < 1) {
                        continue;
                    }

                    for (PDAnnotation pda : la) {
                        Log.i("ExtractHighlights","Annotation found");
                        PDFTextStripperByArea stripper = new PDFTextStripperByArea();
                        stripper.setSortByPosition(true);

                        Log.i("ExtractHighlights","Getting rectangle");
                        PDRectangle rect = pda.getRectangle();
                        float x = rect.getLowerLeftX();
                        float y = rect.getUpperRightY();
                        float width = rect.getWidth();
                        float height = rect.getHeight();

                        RectF region = new RectF(x,y,width,height);
                        stripper.addRegion("0",region);
                        Log.i("ExtractHighlights","Extracting regions");
                        stripper.extractRegions(page);
                        Log.i("ExtractHighlights","Getting text from region");
                        String highlight = stripper.getTextForRegion("0").trim();
                        Log.i("ExtractHighlights",highlight);
                        if(highlight.length() == 0) continue;
                        extractedText += highlight.substring(0,highlight.length()-2)+" ";
                    }
                    Log.i("ExtractHighlights","Page done");
                }
                pddDocument.close();
                Log.i("ExtractHighlights","Document closed");
            } catch (Exception ex) {
                ex.printStackTrace();
            }

            return extractedText;
        }

@覆盖
受保护的字符串背景（字符串…字符串）{
字符串extractedText=“”；
试一试{
Log.i（“提取亮点”、“开始”）；
PDDocument pddDocument=PDDocument.load（新文件（字符串[0]）；
PDPageTree allPages=pddDocument.getDocumentCatalog（）.getPages（）；
int totalPages=allPages.getCount（）；
int pageNumber=0；
用于（PDPage页面：所有页面）{
出版进度（页码++，总页数）；
Log.i（“摘录摘要”、“阅读页”）；
List la=page.getAnnotations（）；
如果（la.size（）<1）{
继续；
}
用于（pda注释pda:la）{
Log.i（“提取亮点”、“找到注释”）；
PDFTextStripperByArea剥离器=新的PDFTextStripperByArea（）；
脱扣器。设置端口BYPOSITION（真）；
i（“提取高光”、“获取矩形”）；
PDRectangle rect=pda.getRectangle（）；
float x=rect.getLowerLeftX（）；
float y=rect.getUpperRightY（）；
float width=rect.getWidth（）；
浮动高度=rect.getHeight（）；
RectF区域=新的RectF（x，y，宽度，高度）；
剥离器。添加区域（“0”，区域）；
Log.i（“提取高光”、“提取区域”）；
汽提塔区域（第页）；
Log.i（“提取突出显示”、“从区域获取文本”）；
String highlight=stripper.getTextForRegion（“0”）.trim（）；
Log.i（“提取高光”，高光）；
如果（highlight.length（）==0）继续；
extractedText+=highlight.substring（0，highlight.length（）-2）+”；
}
Log.i（“摘录亮点”、“页面完成”）；
}
pddDocument.close（）；
Log.i（“摘录摘要”、“文件关闭”）；
}捕获（例外情况除外）{
例如printStackTrace（）；
}
返回提取的文本；
}

而且在Android上需要很长时间，Android假设程序已经崩溃

---

我可以尝试将整个PDF转换为文本，但如何知道突出显示了哪些文本？

正如@mkl所指出的，这是一个已知的错误。

---

所以我用了盖伊的PDFBox端口。成功了

Birdbrain2/PdfBox存在一个问题“#5 PDFTextStripperByArea无法提取RainHeart257 7 7个月前打开的文本（字体问题？）。也许你的问题是相关的？是的，这就是问题所在。你能给我推荐一些PDFbox以外的API吗？我很高兴它对你有用。然而，该项目已经停止了一年。所以，也要密切关注Birdbrain2，也许几个月后再试试：-）