PDFBox-PDFTextStripper'；是否保证读取顺序；什么位置？

我正在使用PdfTextStripper（PDFBox 1.8.2）处理pdf文件中的每个文本位置。我已经测试了很多文件，我注意到它按照阅读顺序处理文本。但是，如果pdf有页脚（我以pdf格式导出的docx），则这种情况并不适用。pdfTextStripper首先处理页脚，然后处理文件正文

---

这是预期的行为吗？有没有办法指定订单？或者有什么方法可以识别它的页脚并在代码中进行调整吗？

PdfTextStripper

有一个属性SortByPosition（

getSortByPosition

&

setSortByPosition

）。默认情况下，它是

false

如果此属性为

false，

PdfTextStripper将按照文本在PDF页面内容流中的显示顺序提取文本

此顺序可能会完全混乱（因为在内容流中，您使用的运算符可以将下一个打印文本定位到页面上的任何位置），但通常属于一起的文本节会保持在一起（因为此类节所需的操作通常作为块插入到该流中）

但是，页眉和页脚通常同时添加，因此在正文文本之前或之后显示在一起

如果此属性为

true，

则

PdfTextStripper

基本上从上到下、从左到右提取文本（除非阅读顺序定义为从右到左）。（好吧，好吧，它也尊重物品珠子，但你很难指望它们会被普遍使用。）

对于单列文本，这种顺序是好的，页眉在前，页脚在后，但除非使用适当的文章珠子，否则多列页面会被弄乱

---

顺便说一句，您可以使用属性

ShouldSeparateByBeads

（

getSeparateByBeads

和

setShouldSeparateByBeads

）关闭文章珠子的使用。

PdfTextStripper

有一个属性SortByPosition（

getSortByPosition

&

setOrtByPosition

）。默认情况下，它是

false

如果此属性为

false，

PdfTextStripper将按照文本在PDF页面内容流中的显示顺序提取文本

此顺序可能会完全混乱（因为在内容流中，您使用的运算符可以将下一个打印文本定位到页面上的任何位置），但通常属于一起的文本节会保持在一起（因为此类节所需的操作通常作为块插入到该流中）

但是，页眉和页脚通常同时添加，因此在正文文本之前或之后显示在一起

如果此属性为

true，

则

PdfTextStripper

基本上从上到下、从左到右提取文本（除非阅读顺序定义为从右到左）。（好吧，好吧，它也尊重物品珠子，但你很难指望它们会被普遍使用。）

对于单列文本，这种顺序是好的，页眉在前，页脚在后，但除非使用适当的文章珠子，否则多列页面会被弄乱

顺便说一句，您可以使用属性

ShouldSeparateByBeads

（

getSeparateByBeads

&

setShouldSeparateByBeads

）关闭文章珠子的使用