pdfbox

Question

各位好：
我需要实现的功能如下：
获取pdf文件中的图片，然后根据这个图片，获取图片上下两行的文本数据。

目前可以提取，每一页的图片，和他的文本信息。但是无法定位到 上下两行。

有没有大虾做过的，或者给他建议。

我找api 找了很久， 但是由于英文很烂，pdfbox的对象模型太多了。也没找到一个从上到下遍历一个页面 的方法。

Answer 1

pdfbox没有获取行号的api，所以你所说的功能无法实现，但是有个替代的方法，你翻下[url]http://wenku.baidu.com/view/6e39e18783d049649b66582f.html[/url],第17页，org.apache.pdfbox.examples.util.PrintImageLocations这个类会告诉你如何获取一个图片的位置，org.apache.pdfbox.examples.util.ExtractTextByArea告诉你如何获取一个区域的文字，你先获取图片位置，根据字体大小估算上两行的text位置，然后计算出上两行text所在的区域，获取该区域的text，同理，可以获取图片下两行text的位置。