itext如何检查pdf页面上是否存在巨型字符串

Question

-我正在使用IText插件在我的Java项目中创建/读取pdf。 -我正在从任何扩展名（pdf，doc，word等）中读取多个文本文件，并将其内容写在新的pdf中（所有文件的所有内容结合在一起）-要在巨型pdf上分隔每个文件的每个内容，我总是开始一个新页面，在新页面的开头用红色将文件的确切路径写入，然后写入文件的内容

问题：

• 我想写这个pdf文件有多少页
• 如何检查pdf页面上是否存在字符串？ 我有所有文件路径，所以我想检查是否有任何路径写在页面上
• 我正在按照本教程提取任何页面的字符串： http : //www.quicklyjava.com/read-pdf-file-in-java-using-itext/

• 但是，当我提取所有页面并检查页面中是否存在我的文件路径时（执行string.contains（...）），系统在pdf页面上找不到我的文件路径！ 我检查了为什么会发生这种情况，当我输出一页的字符串时，就像这样：

  1. PdfGeneratorForSoftwareRegistration / PdfGeneratorForSoftwareRegistration / src / br / ufrn / pairg / pdfgenerator / LeitorArquivoTexto.java包br.ufrn.pairg.pdfgenerator；

  导入java.io.BufferedReader; 导入java.io.File; 导入java.io.FileReader; 导入java.io.IOException; 导入java.util.Scanner;

  上市...

当我检查文件路径“ PdfGeneratorForSoftwareRegistration / PdfGeneratorForSoftwareRegistration / src / br / ufrn / pairg / pdfgenerator / LeitorArquivoTexto.java”是否存在时，系统未找到它。 你看到问题了吗？ 我的路很大，占用了2条线！ 那就是问题所在！

所以，我的问题是：有没有办法使用itext插件检查pdf文本中是否存在巨型字符串？

Answer 1

PDF文件中的页面是使用页面树组织的。 页面树的每个叶子都是带有键和值的页面字典。 您可以将自定义条目添加到页面字典中，如下所示：

public void createPdf(String dest) throws IOException, DocumentException {
    Document document = new Document();
    PdfWriter writer = PdfWriter.getInstance(document, new FileOutputStream(dest));
    document.open();
    document.add(new Paragraph("Page 1"));
    document.newPage();
    document.add(new Paragraph("Page 2"));
    document.newPage();
    document.add(new Paragraph("Page 3"));
    document.newPage();
    document.add(new Paragraph("Page 4"));
    writer.addPageDictEntry(new PdfName("ITXT_PageMarker"), new PdfString("Marker for page 4"));
    document.newPage();
    document.add(new Paragraph("Page 5"));
    document.newPage();
    document.add(new Paragraph("Page 6"));
    writer.addPageDictEntry(new PdfName("ITXT_PageMarker"), new PdfName("PageMarker"));
    document.newPage();
    document.add(new Paragraph("Page 7"));
    writer.addPageDictEntry(new PdfName("ITXT_PageMarker"), new PdfNumber(7));
    document.newPage();
    document.add(new Paragraph("Page 8"));
    document.close();
}

如果您查看PDF的内部内容，则如下所示：

为了这个示例，我在第4页上添加了PDF字符串，在第6页上添加了PDF名称，并在第7页上添加了PDF编号。

您可以像这样检查此自定义键的存在：

public void check(String filename) throws IOException {
    PdfReader reader = new PdfReader(filename);
    PdfDictionary pagedict;
    for (int i = 1; i < reader.getNumberOfPages(); i++) {
        pagedict = reader.getPageN(i);
        System.out.println(pagedict.get(new PdfName("ITXT_PageMarker")));
    }
    reader.close();
}

此check()的输出如下：

null
null
null
Marker for page 4
null
/PageMarker
7

重要说明：除了ISO 32000中定义的关键字之外，您不能只为PDF语法发明新的关键字。但是，如果在ISO中注册了4位代码，则可以创建自己的自定义关键字。 例如：Adobe注册了ADBE，iText注册了ITXT，...。如果引入新的自定义密钥，则应使用在ISO中注册的代码作为前缀。 例如：在iText上，我们可以使用ITXT_PageMarker或ITXT_custom或ITXT_Whatever ...。此规则避免了两家不同的公司引入相同的代码，但含义不同。

Answer 2

这不是最好的解决方案，但是我通过在第一个pdf文件的每个路径名的顶部写了一个神奇的id（例如“＃％＆＃id_0＃％＆＃”）来解决它。 然后，我再次阅读pdf，并检查是否有ID。 如果有，我将其与文件路径相关联。

解决的问题：我正在使用http://www.quicklyjava.com/read-pdf-file-in-java-using-itext/的解决方案获取页码

问题：如果项目中有任何写有＃％＆＃id_0＃％＆＃，＃％＆＃id_1＃％＆＃...的文件，则我的程序将无法运行。