IText无法使用Java阅读PDF中的空白

Question

我试图通过IText读取PDF文件，程序成功读取pdf文件，但不能包含空格。

程序：

  public void parse(String filename) throws IOException {
        PdfReader reader = new PdfReader(filename);
        PdfReaderContentParser pdfReaderContentParser = new PdfReaderContentParser(reader);
      TextExtractionStrategy strategy = null;
      for (int i=1; i<= reader.getNumberOfPages(); i++) {
           String text = PdfTextExtractor.getTextFromPage(reader, i, new LocationTextExtractionStrategy());
          System.out.println(text);

        }
    }

这是需要从pdf获取的数据

当程序正在读取pdf时，输出为：

  DATE MODE PARTICULARS DEPOSITS WITHDRAWALS BALANCE
   01-04-2017 B/F 54,396.82

如果您在图像中看到Date是01-04-2017，MODE的空PARTICULARS值是B / F，DEPOSITS和WITHDRAWALS也是空值并且BALANCE是54,396.82我需要文本格式的相同数据

例如->

 DATE      MODE PARTICULARS DEPOSITS WITHDRAWALS BALANCE
 01-04-2017     B/F                              54,396.82

需要帮助，在此先感谢。

Answer 1

您正在从PDF中提取文本 ，结果是正确的，没有丢失空格，因为原始文本中没有空格。

但是（您之前想念它，所以我正在编辑），您正在使用LocationTextExtractionStrategy ，它是“可识别表的”。 这很好，但是最后getTextFromPage会丢弃该表感知信息。

因此，您可以创建自己的策略实现来扩展LocationTextExtractionStrategy ，并添加getTabulatedText()方法以在需要的位置插入空格来吐出文本。 从getResultantText()灵感，看看它如何在每个单元格之间插入一个空格...在您的代码中，您将根据需要插入任意多个空格（或制表符）。 有关示例，请参见此答案 。

MyTextExtractionStrategy strategy = new MyTextExtractionStrategy();
for (int i=1; i<= reader.getNumberOfPages(); i++) {
    String rawText = PdfTextExtractor.getTextFromPage(reader, i, strategy);
    String tabulatedText = strategy.getTabulatedText();
    System.out.println(text);
}

（也许已经有一个“战略”实现了，但是我不知道）