我在java中使用PDFBox并成功检索了pdf。但现在我希望搜索特定的单词并只检索以下数字。具体来说，我想搜索税并检索税的号码。这两个字符串似乎由制表符分隔。
我的代码如下 atm
File file = new File("yes.pdf");
try {
PDDocument document = PDDocument.load(file);
PDFTextStripper pdfStripper = new PDFTextStripper();
String text = pdfStripper.getText(document);
System.out.println(text);
// search for the word tax
// retrieve the number af the word "Tax"
document.close();
}
最佳答案
我在我的项目中使用过类似的东西。希望对您有帮助。
public class ExtractNumber {
public static void main(String[] args) throws IOException {
PDDocument doc = PDDocument.load(new File("yourFile location"));
PDFTextStripper stripper = new PDFTextStripper();
List<String> digitList = new ArrayList<String>();
//Read Text from pdf
String string = stripper.getText(doc);
// numbers follow by string
Pattern mainPattern = Pattern.compile("[a-zA-Z]\\d+");
//Provide actual text
Matcher mainMatcher = mainPattern.matcher(string);
while (mainMatcher.find()) {
//Get only numbers
Pattern subPattern = Pattern.compile("\\d+");
String subText = mainMatcher.group();
Matcher subMatcher = subPattern.matcher(subText);
subMatcher.find();
digitList.add(subMatcher.group());
}
if (doc != null) {
doc.close();
}
if(digitList != null && digitList.size() > 0 ) {
for(String digit: digitList) {
System.out.println(digit);
}
}
}
}
正则表达式[a-zA-Z]\d+从pdf文本中查找一个或多个数字，后跟一个数字。
\d+ 表达式从上述模式中查找特定文本。
您还可以使用不同的正则表达式来查找特定的位数。
您可以从this tutorial获得更多想法.
关于java - JAVA 中字符串中的搜索模式，我们在Stack Overflow上找到一个类似的问题： https://stackoverflow.com/questions/59138223/