因为需要对pdf进行提取文本操作，所以之前用了iTextSharp，但是因为协议是AGPL，所以改用pdfbox，结果给出去以后测试直接就打回来了...提取谋篇文字版PDF的时候，提取了一堆
这种东西出来，没有正常的文字。有没有大神用过pdfbox，看下这种问题出现的原因是什么，要怎么去解决呢
-
等级
本版专家分：0结帖率 100% -
有木有大神用过这个pdfbox
因为需要对pdf进行提取文本操作，所以之前用了iTextSharp，但是因为协议是AGPL，所以改用pdfbox，结果给出去以后测试直接就打回来了...提取谋篇文字版PDF的时候，提取了一堆这种东西出来，没有正常的文字。
有没有大神用过pdfbox，看下这种问题出现的原因是什么，要怎么去解决呢
展开阅读全文
-
等级
本版专家分：10010勋章
-
- 签到新秀 累计签到获取，不积跬步，无以至千里，继续坚持！
-
- 黄花 2016年5月 .NET技术大版内专家分月排行榜第二
-
-
我觉得很可能问题出在pdf文档上，pdf跟xps一样，都有打印版和发布版，可以暂且不管这个问题，换个其他的pdf文档试试
-
等级
本版专家分：10010勋章
-
- 签到新秀 累计签到获取，不积跬步，无以至千里，继续坚持！
-
- 黄花 2016年5月 .NET技术大版内专家分月排行榜第二
-
-
比如word在生成pdf或xps的时候，就有两种方式，使用打印功能生成的文件，可以直接阅读，但是不支持编程读写，但是使用“导出”功能生成的版本却可以，希望可以给你帮助。
- org.apache.pdfbox.cos.COSObject cannot be cast to org.apache.pdfbox.cos.COSNumber
org.apache.pdfbox.cos.COSObject cannot be cast to org.apache.pdfbox.cos.COSNumber package com.changhong.ie.imgservice.service.impl; import java.awt.image.BufferedImage; import java.io....
- java pdfbox 提取pdf 标题_java – 使用pdfbox从PDF文件中提取文本
我试图使用pdfbox从PDF文件中提取文本,但不是作为命令行工具,而是在我的Java应用程序中.我正在使用jsoup下载pdf.res = Jsoup.connect(host+action).ignoreContentType(true).data(data).cookies(cookies).method...
- Warning : org.apache.pdfbox.pdmodel.font.PDSimpleFont toUnicode
Nov 08, 2017 10:48:48 AM org.apache.pdfbox.pdmodel.font.PDSimpleFont toUnicode WARNING: No Unicode mapping for .notdef (9) in font Helvetica </code></pre> <h1>Environment <p>Python version : <code>...
- Java 使用PDFBox提取PDF文件中的图片
今天做PDF文件解析，遇到一个需求：提取文件中的图片并保存。使用的是流行的apache开源jar包pdfbox, 但还是遇到坑了，比如pdfbox版本太高或太低都不能用！！这个包竟然没有很好地做好兼容问题，有些方法在高版本说...
- PDFBox-2.0.12 for .Net | c#用PDFBox解析PDF
首先在引用中将下载的dll添加到项目中，同时在cs文件中引入命名空间using org.apache.pdfbox.text; 然后可以按如下代码编写demo PDDocument doc = PDDocument.load(new java.io.File("文件路径")); ...
- PDFBox-2.0.19 for .Net | c#用PDFBox解析PDF
在代码中引入命名空间using org.apache.pdfbox.text; 然后 PDDocument doc = PDDocument.load(new java.io.File("文件路径")); PDFTextStripper pdfStripper = new PDFTextStripper(); string text = pdfStripper....
- C#读取pdf(pdfbox2.0.8.dll)
引用 pdfbox-app-2.0.8.dll C#后台 url=文件路径 PDDocument document = PDDocument.load(new java.io.File(url)); PDFTextStripper pdfStripper = new PDFTextStripper(); string text = pdfStripper.getText...
- 使用pdfbox实现pdf文本提取和合并功能示例
主要介绍了使用pdfbox实现pdf文本提取和合并功能示例,大家参考使用吧
- Apache PDFBox 提取原 pdf 内容存入新的 pdf 文件
Apache PDFBox库是一个开源、用于操作 PDF文档的 Java 工具库。PDFBox 允许创建新的 PDF 文档、操作现有文档，以及从...获取 Apache PDFBox 地址https://pdfbox.apache.org/，目前版本 2.0.13，核心 jar是pdfbox-2.0...
- 使用iTextPDF与PDFBox提取PDF文件指定页的纯文字
第三篇博客，关于使用iTextPDF与PDFBox提取PDF文件指定页的纯文字并写入新文件 idea maven pom依赖： com.itextpdf itextpdf 5.5.10 com.itextpdf.tool xmlworker 5.5.9 com.itextpdf itext-asian...
- PDFBox定位坐标并提取相应文本
pdfbox解析pdf，因是对每一个字符都有坐标标记，会根据坐标对全篇文字排序后输出。若文章中表格存在行坐标不一致，极易导致解析乱排。 解决思路 1、定位表格起始、终止X/Y坐标 2、解析表格之外的文本 3、解析...
- 使用PDFBOX提取PDF文件
最近在使用lucene建立索引时，要使用PDFBOX提取PDF文件，但结果总是报错： java.lang.Throwable: Warning: You did not close the PDF Document 这个问题很烦人，从第三方类库例出来。 在网上记录下找到的解决...
- pdfbox exception :java.lang.ExceptionInInitializerError
在使用pdfbox过程中出现错误： File sourceFile = new File(fileName); PDDocument doc = PDDocument.load(sourceFile); ImageIO.scanForPlugins(); PDFRenderer renderer = new PDFRenderer(doc); int ...
- pdfbox 第一页加内容_PDFBox - 添加文本( Adding Text)
将文本添加到现有PDF文档您可以使用PDFBox库向文档添加内容，这为您提供了一个名为PDPageContentStream的类，其中包含在PDFDocument的页面中插入文本，图像和其他类型内容所需的方法。以下是创建空文档并向其中的页....
- PDFbox-app-2.0.9.jar;PDFbox.jar包
PDFbox.jar,2.0.9版本,PDFbox.jar,2.0.9版本,PDFbox.jar,2.0.9版本,PDFbox.jar,2.0.9版本,
- PdfBox完整提取pdf文件的指定页
我的第二篇博客，涉及到项目需求，自己研究了一下，功能已经实现，贴出来分享一下，共勉。 idea maven项目 ...import org.apache.pdfbox.exceptions.COSVisitorException; import org.apache.p
- pdfbox创建pdf_Java使用PDFBox开发包实现对PDF文档内容编辑与保存
pdfbox开发包下载地址：http://pdfbox.apache.org/程序实现了PDF文档的创建，读入，与修改PDF内容并保存。可能有个前提，PDF文档不是加密的，如果加密怎么办，我没研究过！源代码如下：package ...
- JAVA PDFbox 坐标选区提取文字
pdfboxjar包默认是按照行来提取文字的，但是我们的pdf可能并是按照行来进行排序的，那么我们就可能用到坐标矩形选区操作，选取固定区域的文字，原理大家不必纠结，我们只需要拿来用即可，他只是一个工具类，需要时，...
- 用pdfbox提取pdf文本，用poi提取word文本，为什么输出字符空白？
用pdfBox解析pdf，1m以下的pdf可以成功解析出来，但是1m以上的pdf都没办法解析出来，到底是为什么？jvm内存限制也不应该只能解析1M的文件啊？求大神解答~
- C#读取PDF ——PDFBox使用
C#使用pdfbox 转pdf为txt 文件，PDFBox is a Java PDF Library. This project will allow access to all of the components in a PDF document. More PDF manipulation features will be added as the project ...
- pdfBox使用方法及找不到各种类的解决办法
源代码 package pdftoword; import java.io.File; import java.io.FileOutputStream; import java.io.OutputStreamWriter; import java.io.Writer; import java.util....import org.apache.pdfbox.pdmodel.PD...
- PDFbox实现文本抽取
一、介绍 Apache PDFbox是一个开源的、基于Java的、支持PDF文档生成的工具库，它可以用于创建新的PDF文档，修改现有的PDF文档，还可以从PDF文档中提取所需的内容。...1）文本提取：从PDF文档中提取文本
- C# PDFbox读取PDF内容
using System; using System.Windows.Forms;...using org.apache.pdfbox.pdmodel; using org.apache.pdfbox.util; using System.IO; namespace ReadPDF { public partial class Form2 : Form { publ
- C#版pdfbox-1.8.14
最新版pdfbox-1.8.14动态库，动态库是在官网下载的源码，通过iKVM转换过来的！压缩文件夹中包含了转换的所有文件。
- pdfbox创建pdf_如何使用PDFBox对动态创建的PDF文档进行数字签名？
Pardon Me! I am poor in java.Please Correct me wherever I am wrong and improve wherever I am ...I am trying to digitally sign a dynamically created pdf using PDFBox with the following program:Tasks ...
- 利用org.apache.pdfbox包进行pdf转成图片，图片中汉字为方框问题解决
这可能是由于系统没有对应的字体！ 所以呢，当然是下载字体咯、 那下载什么字体呢？ 首先用pdf阅读器打开pdf文件，点击文件属性，可以看到文件的字体信息，那它用的什么字体我们就下载什么字体咯、 ...
- pdfbox-2.0.16.jar.zip
利用PDDocument转pdf 所需jar包 pdfbox-2.0.16.jar 包含fontbox.jar
- java pdfbox 提取pdf 标题_java – 使用PDFBox将标题添加到现有PDF文件
基本上,您在当前版本1.8.2中遇到了PDFBox错误.解决方法：在使用字体之前,在创建新内容流之后添加页面资源的getFonts调用：PDPage page = (PDPage)allPages.get( i );PDRectangle pageSize = page.findMediaBox();...
- APP内置IM 系统——从入门到千万级在线
IM （即时通讯）系统是一种大型实时系统，其对技术方面的要求非常高。在APP社交化的今天，很多APP都希望为自己的应用增加IM系统，但却不得其法。本课程抽丝剥茧，搭建一套简IM 系统，先让开发者了解如何实现这类系统，然后会不断的对系统进行扩展，并详述要支撑千万级别的用户，系统架构要经过哪些方面的演变，在每个阶段需要具体考量哪些因素；其中涉及到大型网络开发、协议的制定解析、数据库的优化、负载均衡、监控、测试等方面的知识。相信通过此课程，开发者对IM 系统将有一个全面的认识。 a:0:{}
- 四史答题软件安装包exe
四史答题软件安装包exe