如何从PDF文件中获取带下划线的文本？
每个人我试图通过itext从PDF文件中获取一些带下划线的文本，这对我来说似乎非常困难。我已经搜索了很长时间的解决方案，并学习了如何获取文本的字体系列、字体大小和文本位置。但是，没有下划线。期待您的帮助！非常感谢。
共有1个答案
使用itext可能无法做到这一点，但您可以在一定程度上使用pdfbox实现这一点
看看这个：https://stackoverflow.com/a/40039407/4353762
但是要注意它在某些情况下可能不起作用，库需要知道字体的字体和描述符。如果你抛出一个未知类型的pdf，那么描述符将返回null，代码将简单地与NullPointerException中断。
如果您想手动处理NullPointerException，那么可能需要查看PDFStyledTextStripper的下划线和删除线方法。Java语言
-
问题内容： 我正在尝试使用提取此 PDF文件中包含的文本。 我正在使用PyPDF2模块，并具有以下脚本： 运行代码时，得到以下输出，该输出与PDF文档中包含的输出不同： 如何提取PDF文档中的文本？ 问题答案： 要从PDF提取文本，请使用以下代码
-
使用iTextSharp，我如何确定解析的文本块是否同时加粗和下划线？ 详细信息: 我正在尝试用C#解析。pdf文件，特别是针对既加粗又加下划线的文本。使用ITextSharp，我可以从LocationTextExtractionStrategy派生，并从传递给overridden.RenderText方法的ITextSharp.text.pdf.parser.TextRenderInfo对象获取
-
请不要使用“tika”作为答案。我已经尝试了这个问题的答案： 如何从PDF文件中提取文本？ 我有这个PDF文件，https://drive.google.com/file/d/1aUfQAlvq5hA9kz2c9CyJADiY3KpY3-Vn/view?usp=sharing，我想复制文本。 输出为“提交日期：2019-10-21 16:03:36.093 |表单键：5544”，这只是文本的一部分
-
我有一些pdf文件，使用pdfbox我已经将它们转换为文本并存储到文本文件中，现在我要从文本文件中删除它们 超链接 我希望按如下方式逐行获取有效文本： 我们提出了一种从纯文本中提取的多词概念词进行本体学习的方法OntoGain。OntoGain遵循一个由不同处理层定义的本体学习过程。在普通术语提取的基础上，通过对提取的概念进行聚类，形成概念层次结构。然后，衍生术语“分类法”将丰富非分类关系。已经研
-
问题内容： 如何 使用PHP 从PDF文档中提取文本？ （我不能使用其他工具，我没有root用户访问权限） 我发现一些函数可用于纯文本，但是它们不能很好地处理Unicode字符： http://www.hashbangcode.com/blog/zend-lucene-and-pdf-documents-part-2-pdf- data-extraction-437.html 问题答案： 下载 c
-
在我的maven项目中，我有一个PDF文件，它位于文件夹中。我的函数从文件夹读取PDF文件，并根据用户的数据在文档中添加一些值。 此项目使用打包为文件，并在我的其他Spring Boot应用程序中用作依赖项。 在我的Spring启动项目中，我创建了将在PDF上执行一些工作的类的instace。一旦PDF文件上的所有工作都完成，并且当PDF文件保存在文件系统上时，它始终是空的（所有页面都是空白的）。