使用Apache PdfBox在两个书签之间提取文本

Question

我正在使用Apache PDFBox来读取具有由书签定义的层次结构的PDF文档.层次结构采用树形式,内容仅在叶级别.

使用以下代码在两个叶级书签之间提取文本:

Stripper.setStartBookmark(), 
Stripper.setEndBookmark(),
Stripper.writeText()), 

而是返回整个页面中的文本.简而言之,我的问题类似于此主题中提到的问题.

有没有办法在两个书签之间提取内容？

如果是这样,我的代码应该改变什么？

Answer 1

我猜测您的书签不包含正确的数据。

听起来您使用的书签仅指向内容开始的页面，而不是页面上的位置。

以下是包含位置数据的书签示例：

<Title Action="GoTo" Style="bold" Page="2 FitH 518">
Title Name
</Title>