PDF查明文本是带下划线还是表格单元格
我一直在玩PdfBox和PDFTextStripperByArea方法。
如果文本是粗体或斜体 ，我能够提取信息，但是我无法获取下划线信息。
据我所知在PDF中，下划线是通过画线来完成的。 所以从理论上讲，我应该可以得到关于文本周围某些线条的某种信息。 提供这些信息，我可以找出是否有文字加下划线或表格。
这是我的代码到目前为止：
List<TextPosition> textPos = charactersByArticle.get(index); for (TextPosition t : textPos) { if (t.getFont().getFontDescriptor() != null) { if (t.getFont().getFontDescriptor().getFontWeight() > BOLD_WEIGHT || t.getFont().getFontDescriptor().isForceBold()) { isBold = true; } if (t.getFont().getFontDescriptor().isItalic()) { isItalic = true; } } } 我试图在PDFStreamEngine类中的processEncodedText方法中处理PDGraphicsState对象，但没有在其中find行的信息。
任何build议，这些信息可以从中检索？
这是我迄今发现的：
PDFBox使用资源文件将PDF操作符/指令绑定到某些类，然后处理这些信息。
如果我们看看下面的PDFTextStripper.properties资源文件：
PDFBOX的\ src \主\资源\组织\阿帕奇\ PDFBOX \资源\
我们可以看到，例如，BT运算符绑定到org.apache.pdfbox.util.operator.BeginText类等等。
下的PDFTextStripper
PDFBOX的\ src \主\ java的\组织\阿帕奇\ PDFBOX \ UTIL \
考虑到这一点，并利用这个类的PDF处理。
但所有graphics对象都被忽略，因此没有下划线或表格结构的信息！
现在，如果我们看一下PageDrawer.properties资源文件，我们可以看到这个界面几乎包含了所有可用的操作符。 下面是PageDrawer类所使用的
PDFBOX的\ src \主\ java的\组织\阿帕奇\ PDFBOX \ PDF查看器\
“技巧”现在是找出哪些graphics操作符是代表下划线和表格的graphics操作符，并将它们与PDFTextStripper结合使用。
现在这意味着阅读PDF文件规范，这是目前的工作方式。
如果有人知道哪些操作员负责哪些操作来绘制下划线和表格线，请让我知道。
你可以使用Itext来生成pdf报告。
通过使用itext你可以很容易地把线条。
试试看。
document.add（new LineSeparator（0.5f，50，null，0，198））;
上面的代码用于在pdf报告中生成行。 并根据您的select设置尺寸。
希望这会帮助你。
就我所了解的pdfbox而言，没有哪个选项可以读取下划线。 也许你可以为此目的尝试itextpdf。
正如您所说 – PDFBox使用资源文件，将PDF操作员/指令绑定到将处理信息的访问者。
您可能最好先将PDFBox的现有访问者复制到您自己的源文件夹中，然后从那里添加/扩展实现。
我很久以前的PostScript经历让人想起“moveto”和“lineto”操作符。 由于PDF大致是基于PS的，所以你会寻找类似的东西。
http://learnpostscript.wordpress.com/category/lineto/
PDF格式是ab * tch – 这是HTML，做错了。 它代表graphics实现，而不是语义。 即使重构句子也很困难 – 单词甚至单个的字符都被定位，“空格”或“换行”必须在algorithm上被重构。 总之，Adobe是一个*漏洞。 读者是一个非人体工程学，错误的，不安全，臃肿的猪。
但是，您可以完成您的要求 – 如果您愿意投入12个小时以上的工作。除了位置检测外，下划线通常会在文本之后立即以PDFforms发出..因此，您可以locking您的PDF文档顺序检测，而不仅仅是页面位置。
另外，尝试构build一个带有下划线的文本的简单的两行PDF。 然后看看你能做些什么，把它parsing回来！ 下划线应该像狗的香蕉一样突出，一旦你发现，你就会顺利的。
PDFBox不是很好的可扩展性，它主要是一大堆algorithm。 出于这个原因，只需复制PDFTextStripper源（也许有PageDrawer作为参考）和原型。
希望这可以帮助！
根据api getfont（）返回字体大小。
您可以使用getStyle（）方法，它将返回STYLE_UNDERLINE下划线字体。 因此你可以检索下划线样式。
