org.dromara.pdf.pdfbox.core.ext.extractor

类 TextExtractor

java.lang.Object

org.dromara.pdf.pdfbox.core.ext.AbstractExpander

org.dromara.pdf.pdfbox.core.ext.extractor.AbstractExtractor

org.dromara.pdf.pdfbox.core.ext.extractor.AbstractTextExtractor

org.dromara.pdf.pdfbox.core.ext.extractor.TextExtractor

public class TextExtractor
extends AbstractTextExtractor

文本提取器

从以下版本开始:

1.8

Copyright (c) 2020 xsx All Rights Reserved. x-easypdf-pdfbox is licensed under Mulan PSL v2. You can use this software according to the terms and conditions of the Mulan PSL v2. You may obtain a copy of Mulan PSL v2 at: http://license.coscl.org.cn/MulanPSL2 THIS SOFTWARE IS PROVIDED ON AN "AS IS" BASIS, WITHOUT WARRANTIES OF ANY KIND, EITHER EXPRESS OR IMPLIED, INCLUDING BUT NOT LIMITED TO NON-INFRINGEMENT, MERCHANTABILITY OR FIT FOR A PARTICULAR PURPOSE. See the Mulan PSL v2 for more details.

作者:

xsx

嵌套类概要

从类继承的嵌套类/接口 org.dromara.pdf.pdfbox.core.ext.extractor.AbstractTextExtractor

AbstractTextExtractor.DefaultTextStripper, AbstractTextExtractor.Function<R>

字段概要

从类继承的字段 org.dromara.pdf.pdfbox.core.ext.extractor.AbstractTextExtractor

TABLE_PATTERN

从类继承的字段 org.dromara.pdf.pdfbox.core.ext.extractor.AbstractExtractor

log

从类继承的字段 org.dromara.pdf.pdfbox.core.ext.AbstractExpander

document

构造器概要

构造器

构造器和说明
TextExtractor(Document document) 有参构造

方法概要

限定符和类型	方法和说明
Map<Integer,List<String>>	extractByRegex(String regex, int... pageIndexes) 正则提取文本
Map<Integer,Map<String,String>>	extractByRegionArea(String wordSeparator, Map<String,Rectangle> regionArea, int... pageIndexes) 提取文本
Map<Integer,Map<String,List<List<String>>>>	extractByTable(String wordSeparator, Map<String,Rectangle> regionArea, int... pageIndexes) 表格提取文本

从类继承的方法 org.dromara.pdf.pdfbox.core.ext.extractor.AbstractTextExtractor

extractText, processTextByRegex, processTextByRegionArea, processTextByTable

从类继承的方法 org.dromara.pdf.pdfbox.core.ext.AbstractExpander

getDocument

从类继承的方法 java.lang.Object

clone, equals, finalize, getClass, hashCode, notify, notifyAll, toString, wait, wait, wait

构造器详细资料

TextExtractor

public TextExtractor(Document document)

有参构造

参数:

document - 文档

方法详细资料

extractByRegex

public Map<Integer,List<String>> extractByRegex(String regex,
                                                int... pageIndexes)

正则提取文本

指定者:

extractByRegex 在类中 AbstractTextExtractor

参数:

regex - 正则表达式

pageIndexes - 页面索引

返回:

返回文本字典

key = 页面索引，value = 提取文本

extractByRegionArea

public Map<Integer,Map<String,String>> extractByRegionArea(String wordSeparator,
                                                           Map<String,Rectangle> regionArea,
                                                           int... pageIndexes)

提取文本

指定者:

extractByRegionArea 在类中 AbstractTextExtractor

参数:

wordSeparator - 单词分隔符

regionArea - 区域

pageIndexes - 页面索引

返回:

返回文本字典

key = 页面索引，value = 提取文本

extractByTable

public Map<Integer,Map<String,List<List<String>>>> extractByTable(String wordSeparator,
                                                                  Map<String,Rectangle> regionArea,
                                                                  int... pageIndexes)

表格提取文本

指定者:

extractByTable 在类中 AbstractTextExtractor

参数:

wordSeparator - 单词分隔符

regionArea - 区域

pageIndexes - 页面索引

返回:

返回文本字典

key = 页面索引，value = 提取文本