java - 获取pdf中包含特定单词的页码

Question

如何在java中的pdfbox API中获取pdf中包含特定单词的页码？

我能够阅读单词:

PDFTextStripper s = new PDFTextStripper();
String contents = s.getText(pdoc);  
if(contents.contains("SUBSCRIPTION DETAILS")){
...
}

但无法找到包含该单词的页码

提前致谢。

Answer 1

PDFTextStripper 允许您阅读确切的页面。因此，您需要遍历所有页面并检查页面是否包含特定字符串:

PDDocument pdoc = ...;
for(int pageNumber = 1; pageNumber < pdoc.getPageCount(); i++){

    PDFTextStripper s = new PDFTextStripper();
    s.setStartPage(pageNumber);
    s.setEndPage(pageNumber);
    String pageText = reader.getText(pdoc);
    String contents = s.getText(pdoc);  
    if(contents.contains("SUBSCRIPTION DETAILS")){
    ...
    }
}