Java pdfbox以什么顺序解析pdf文件？（假设一页中有多个列）

如果一个pdf文件的页面上有两列，pdfbox是按列解析还是逐行解析？

当你说“解析pdf文件”时，我想你的意思是对其应用文本提取。在这种情况下，PDFBox通常通过

PDFTextStripper

类实现

在这种情况下，答案是“视情况而定”

• 默认情况下，

  PDFTextStripper

  按照内容流中文本绘制指令的顺序进行提取。这通常与内容的逻辑顺序相对应，因为PDF生成器通常将输入按该顺序排列，并相应地生成输出，例如，多个列通常会按列提取
  但这并不能保证；理论上，文本图纸说明可以是任意顺序；例如，首先可以绘制页面上的所有“a”，然后绘制所有“b”
  这样的混乱很少发生。但是，如果PDF的内容同时包含固定内容和动态内容，您可能会首先在提取的文本中看到固定内容，然后是动态内容。例如，第一个标签，如“名字”、“姓氏”、“出生日期”。。。然后是数值

• 或者，您可以使用

  PDFTextStripper.setSortByPosition

  将

  SortByPosition

  属性设置为

  true

  。在这种情况下，PDFBox会忽略绘图顺序，并尝试逐行提取PDF文本

当你说“解析PDF文件”时，我想你的意思是对其应用文本提取。在这种情况下，PDFBox通常通过

PDFTextStripper

类实现
在这种情况下，答案是“视情况而定”
• 默认情况下，

  PDFTextStripper

  按照内容流中文本绘制指令的顺序进行提取。这通常与内容的逻辑顺序相对应，因为PDF生成器通常将输入按该顺序排列，并相应地生成输出，例如，多个列通常会按列提取
  但这并不能保证；理论上，文本图纸说明可以是任意顺序；例如，首先可以绘制页面上的所有“a”，然后绘制所有“b”
  这样的混乱很少发生。但是，如果PDF的内容同时包含固定内容和动态内容，您可能会首先在提取的文本中看到固定内容，然后是动态内容。例如，第一个标签，如“名字”、“姓氏”、“出生日期”。。。然后是数值

• 或者，您可以使用

  PDFTextStripper.setSortByPosition

  将

  SortByPosition

  属性设置为

  true

  。在这种情况下，PDFBox会忽略绘图顺序，并尝试逐行提取PDF文本

---

问题的标题和正文说明了两件不同的事情。。。。请说得更具体一些。pdf文件的结构有很好的文档记录，解析文件的逻辑方式是“从头开始”。问题是pdf文件中的内容顺序可能与它在页面上的显示方式关系不大。您的PDF文件是如何生成的？PDF仅包含两列，但第一列是在解析第二列之后解析的。问题的标题和正文说明了两个不同的内容。。。。请说得更具体一些。pdf文件的结构有很好的文档记录，解析文件的逻辑方式是“从头开始”。问题是pdf文件中的内容顺序可能与它在页面上的显示方式关系不大。您的PDF文件是如何生成的？PDF仅包含两列，但第一列是在解析第二列之后解析的。