从pdf中提取粗体字

Question

我正在尝试使用 pdfbox 库将粗体字导出到 pdf 文件的大写字母到文本文件中。我想在粗体字后留一个空行。正如您从第 15 页开始的 pdf 文件 (Dictionary.pdf) 中看到的那样，它是一个带有定义的字典。单词以粗体显示，定义使用正常字体。

这是我希望我的文本文件的样子：
"词典来源：
阿瓦蒂斯
阿瓦蒂斯
阿巴斯
ADJ.: 当某物很浅时，它没有太多深度 (= 浅，浅≠深）：孩子学习在浅水中游泳。 ....

这是我的代码，但遗憾的是它无法将粗体与普通字体分开。调试代码后，我意识到即使有粗体字符，text.getFont().getFontDescriptor().isForceBold() 也是 false 并且 text.getFont().getFontDescriptor().getFontWeight()=0 .

public class PDFBoldParser extends PDFTextStripper {

    PrintWriter writer;
    boolean wasBold=false;

    public PDFBoldParser(String filepath) throws IOException{
        writer=new PrintWriter(filepath,"UTF-8");
        writer.println("Dictionary Source:");
    }

    @Override
    protected void processTextPosition(TextPosition text){
        if(text.getFont().getFontDescriptor()!=null){
            if (text.getFont().getFontDescriptor().isForceBold() ||
                    text.getFont().getFontDescriptor().getFontWeight() > 680 &&wasBold) {
                writer.print(text.toString().toUpperCase());
                wasBold=true;
            }
            else if(text.getFont().getFontDescriptor().isForceBold() ||
                    text.getFont().getFontDescriptor().getFontWeight() > 680 &&!wasBold){
                writer.println();
                writer.print(text.toString().toUpperCase());
                wasBold=true;
            }
            else{
                writer.print(text.toString());
                wasBold=false;
            }
        }
    }

    public void closeParser(){
        writer.close();
    }
}

Answer 1

只需替换 if 语句

if (text.getFont().getFontDescriptor().isForceBold() ||
                text.getFont().getFontDescriptor().getFontWeight() > 680 &&wasBold)

和

if (text.getFont().getName().contains("Bold") &&wasBold)

效果很好，因为粗体文本的字体名称（在这种情况下）包含“粗体”一词，因此您可以确定字符在哪里是粗体或不是。

从pdf中提取粗体字

Extract bold words from pdf

java

pdfbox