我正在尝试使用 Itext 在 Java 中读取 PDF 文件。在我的 PDF 文件中,我有一些计算结果。一行中有一个元素及其两个计算结果,但它们不在表格中。我的 PDF 文件如下所示:
I. Result X 12.551.734,75 9.284.925,26
. A. Result Y 8.583.482,18 416.187,03
. 1. result z 83.708,72 91.220,23
. 3. result a 8.499.773,46 324.966,80
. B. Result B 0,00 199.942,00
. 4. result c 0,00 199.942,00
. C. Result D 780.316,81 5.376.366,65
. 1. result e 66.041,73 3.962.399,52
. 2. result f 685.579,00 1.367.086,66
我想做的是解析字符串及其值。我找不到合适的方法,我尝试了下面的代码。但是这个逻辑的问题是:
. 1. result z 8.583.482,18 416.187,03
它只打印字符串的“.”,然后是1和第一个数字。我无法获得整个 "。1. 结果 z" 部分作为字符串,然后是它的值,因为它在看到 int 值后直接打印并跳过其余部分。
int page = 1;
PdfReader reader = new PdfReader(pdf);
PdfReaderContentParser parser = new PdfReaderContentParser(reader);
strategy = parser.processContent(page, new LocationTextExtractionStrategy());
Scanner scanner = new Scanner(strategy.getResultantText());
...
for (int j = page; j <= reader.getNumberOfPages(); j++) {
while (scanner.hasNextLine()) {
String nextToken = scanner.nextLine();
String rName = "";
StringTokenizer tok = new StringTokenizer(nextToken);
while (tok.hasMoreTokens()) {
String nToken = tok.nextToken();
try {
number = fmt.parse(nToken);
System.out.println(rName);
System.out.println(number);
while (tok.hasMoreTokens()) {
try {
nToken = tok.nextToken();
number = fmt.parse(nToken);
System.out.println(number);
} catch (ParseException e) {
if(rName.isEmpty()){
rName = nToken;
}else{
rName = rName + " " + nToken;
}
}
}
break;
} catch (ParseException e) {
if(rName.isEmpty()){
rName = nToken;
}else{
rName = rName + " " + nToken;
}
}
}
}
strategy = parser.processContent(++page, new LocationTextExtractionStrategy());
scanner = new Scanner(strategy.getResultantText());
}
如何正确获取这些字符串及其值,您能帮我吗?我认为这个解决方案不够好,还有其他有用的方法吗?
最佳答案
感谢您提供的所有详细信息。通常,您会使用正则表达式来解析复杂的行。尽管有时编程解析更容易遵循。与其使用 StringTokenizer 来分割行,不如尝试:
String line = scanner.nextLine();
String[] tokens = line.split("\\s+");
String value1 = tokens[tokens.length-2];
String value2 = tokens[tokens.length-1];
String rowTitle = line.substring(0, line.indexOf(value1)).trim();
System.out.print(rowTitle + "\t");
System.out.print(value1 + "\t");
System.out.println(value2);
关于java - 使用 itext 读取 PDF 时获取字符串和 int 值的正确方法是什么?,我们在Stack Overflow上找到一个类似的问题: https://stackoverflow.com/questions/34450050/