问题描述
我正在使用什么 ：我正在使用Apache Tika在Java应用程序上解析PDF。
我需要什么 ：我需要解析PDF的某个区域（即由Rectangle对象定义），就像我通常对iText所做的那样。
问题 ：是否可以使用Apache Tika解析PDF的定义区域？ 怎么样？
1楼
Apache Tika将为您提供文档的简化的，标准化的HTML表示。 对于基于页面的格式，例如PDF或PPT，它将标记页面边界，但是对于非基于页面的格式（例如，基于运行的.doc），则不会。
您需要做的就是进入 ，这是为Tika中的PDF解析器提供动力的底层库。 使用PDFBox，您可以获取给定页面上对象的位置，确定它们是否在所需范围内，并获取它们的文本。 这将不像使用Apache Tika那样简单，但是对于这种控制级别，您需要更多地参与。