在pdf文件中找关键字的坐标

亦凉 2022-06-06 07:53 192阅读 0赞

1.功能描述；

此功能主要功能就是在pdf文件中读取信息后查找指定页面的指定关键信息，获得相应的坐标。

首先要 itextpdf.jar, itext.jar包

//获取pdf的页数  
PdfReader reader= new PdfReader(generatePath);  
int pagecount= reader.getNumberOfPages();

/\*\*  
在文件中寻找指定的文字内容  
@param reader  
@param pageNumber  
@param keyword  
@return  
@throws Exception   
\*/   
public static MatchItem matchPage(com.itextpdf.text.pdf.PdfReader reader,  
Integer pageNumber, String keyword) throws Exception \{  
KeyWordPositionListener renderListener = new KeyWordPositionListener();  
renderListener.setKeyword(keyword);  
PdfReaderContentParser parse = new PdfReaderContentParser(reader);  
Rectangle rectangle = reader.getPageSize(pageNumber);  
renderListener.setPageNumber(pageNumber);  
renderListener.setCurPageSize(rectangle);  
parse.processContent(pageNumber, renderListener);  
MatchItem matchItem = findKeywordItems(renderListener, keyword);  
 // 当前页找不到，到前一页查询

if(null == matchItem)\{

pageNumber =pageNumber -1;

renderListener.setPageNumber(pageNumber);

renderListener.setCurPageSize(rectangle);

parse.processContent(pageNumber, renderListener);

matchItem = findKeywordItems(renderListener, keyword);

matchItem.setPageNum(pageNumber);

return matchItem;

\}  
  
/\*\*  
找到匹配的关键词块  
@param renderListener  
@param keyword  
@return   
\*/   
@SuppressWarnings(\{ "unchecked", "rawtypes" \})  
public static MatchItem findKeywordItems(KeyWordPositionListener renderListener,  
String keyword) \{  
// 先判断本页中是否存在关键词  
List allItems = renderListener.getAllItems();// 所有块LIST  
StringBuffer sbtemp = new StringBuffer("");  
for (int i = 0; i < allItems.size(); i++) \{// 将一页中所有的块内容连接起来组成一个字符串。  
sbtemp.append(((MatchItem) allItems.get(i)).getContent());  
\}  
if (sbtemp.toString().lastIndexOf(keyword) == -1) \{// 一页组成的字符串没有关键词，直接return  
return renderListener.getMatches().get(0);  
\}  
// 第一种情况：关键词与块内容完全匹配的项  
List matches = renderListener.getMatches();  
// 第二种情况：多个块内容拼成一个关键词，则一个一个来匹配，组装成一个关键词  
sbtemp = new StringBuffer("");  
List tempItems = new ArrayList();  
for (int i = 0; i < allItems.size(); i++) \{  
// 1，关键词中存在某块 2，拼装的连续的块=关键词 3，避开某个块完全匹配关键词  
// 关键词 中国移动 而块为 中 ，国，移动  
// 关键词 中华人民 而块为中，华人民共和国 这种情况解决不了，也不允许存在  
if (keyword.indexOf(((MatchItem) allItems.get(i)).getContent()) != -1  
&& !keyword.equals(((MatchItem) allItems.get(i))  
.getContent())) \{  
tempItems.add(allItems.get(i));  
sbtemp.append(((MatchItem) allItems.get(i)).getContent());  
if (keyword.indexOf(sbtemp.toString()) == -1) \{// 如果暂存的字符串和关键词  
// 不再匹配时  
sbtemp = new StringBuffer(  
((MatchItem) allItems.get(i)).getContent());  
tempItems.clear();  
tempItems.add(allItems.get(i));  
\}  
\}  
// 第三种情况：关键词存在块中  
for (int j = 0; j < allItems.size(); j++) \{  
if (((MatchItem) allItems.get(j)).getContent().indexOf(keyword) != -1  
&& !keyword.equals(((MatchItem) allItems.get(j))  
.getContent())) \{  
matches.add(allItems.get(j));  
\}  
\}  
\}  
return (MatchItem) matches.get(0);  
\}

import com.itextpdf.awt.geom.Rectangle2D;  
import com.itextpdf.text.Rectangle;  
import com.itextpdf.text.pdf.parser.ImageRenderInfo;  
import com.itextpdf.text.pdf.parser.RenderListener;  
import com.itextpdf.text.pdf.parser.TextRenderInfo;  
import java.util.ArrayList;  
import java.util.List;  
public class KeyWordPositionListener implements RenderListener \{   
  
  
private List<MatchItem> matches = new ArrayList<MatchItem>();  
private List<MatchItem> allItems = new ArrayList<MatchItem>();  
private Rectangle curPageSize;  
  
  
/\*\*  
\* 匹配的关键字  
\*/  
private String keyword;  
/\*\*  
\* 匹配的当前页  
\*/  
private Integer pageNumber;  
  
  
public void beginTextBlock() \{  
    //do nothing  
\}  
  
  
public void renderText(TextRenderInfo renderInfo) \{  
    String content = renderInfo.getText();  
    content = content.replace("<", "").replace("《", "").replace("(", "").replace("（", "").replace("\\"", "").replace("'", "")  
                     .replace(">", "").replace("》", "").replace(")", "").replace("）", "").replace("、", "").replace(".", "")  
                     .replace("：", "").replace(":", "").replace(" ", "");  
    Rectangle2D.Float textRectangle = renderInfo.getDescentLine().getBoundingRectange();  
    MatchItem item = new MatchItem();  
    item.setContent(content);  
    item.setPageNum(pageNumber);  
    item.setPageWidth(curPageSize.getWidth());  
    item.setPageHeight(curPageSize.getHeight());  
    item.setX((float)textRectangle.getX());  
    item.setY((float)textRectangle.getY());  
    if(content!=null && content!="")\{  
        if(content.equalsIgnoreCase(keyword)) \{  
            matches.add(item);  
        \}             
    \}else\{  
        item.setContent("空字符串");  
    \}  
    allItems.add(item);//先保存所有的项  
\}  
  
  
public void endTextBlock() \{  
    //do nothing  
\}  
  
  
public void renderImage(ImageRenderInfo renderInfo) \{  
    //do nothing  
\}  
  
  
/\*\*  
\* 设置需要匹配的当前页  
\* @param pageNumber  
\*/  
public void setPageNumber(Integer pageNumber) \{  
    this.pageNumber = pageNumber;  
\}  
  
  
/\*\*  
\* 设置需要匹配的关键字，忽略大小写  
\* @param keyword  
\*/  
public void setKeyword(String keyword) \{  
    this.keyword = keyword;  
\}  
  
  
/\*\*  
\* 返回匹配的结果列表  
\* @return  
\*/  
public List<MatchItem> getMatches() \{  
    return matches;  
\}  
  
  
void setCurPageSize(Rectangle rect) \{  
    this.curPageSize = rect;  
\}  
  
  
public List<MatchItem> getAllItems() \{  
    return allItems;  
\}  
  
  
public void setAllItems(List<MatchItem> allItems) \{  
    this.allItems = allItems;  
\}  
\}

public class MatchItem \{  
private Integer pageNum;   
private Float x;   
private Float y;   
private Float pageWidth;   
private Float pageHeight;   
private String content;  
  
  
public Integer getPageNum() \{  
    return pageNum;  
\}  
public void setPageNum(Integer pageNum) \{  
    this.pageNum = pageNum;  
\}  
public Float getX() \{  
    return x;  
\}  
public void setX(Float x) \{  
    this.x = x;  
\}  
public Float getY() \{  
    return y;  
\}  
public void setY(Float y) \{  
    this.y = y;  
\}  
public Float getPageWidth() \{  
    return pageWidth;  
\}  
public void setPageWidth(Float pageWidth) \{  
    this.pageWidth = pageWidth;  
\}  
public Float getPageHeight() \{  
    return pageHeight;  
\}  
public void setPageHeight(Float pageHeight) \{  
    this.pageHeight = pageHeight;  
\}  
public String getContent() \{  
    return content;  
\}  
public void setContent(String content) \{  
    this.content = content;  
\}  
  
  
@Override  
public String toString() \{  
    return "MatchItem \[pageNum=" + pageNum + ", x=" + x + ", y=" + y  
            + ", pageWidth=" + pageWidth + ", pageHeight=" + pageHeight  
            + ", content=" + content + "\]";  
\}  
\}

这样就可以在调用这个方法后获取matchPage改关键字的坐标了。