如何使用 java 从 PDF 文件中读取两个单词之间的多行内容？

Question

我有一个要求，我必须从单词 "IN:" 之后和单词 "OUT:" 之前的 PDF 文件中获取数据，并且整个文件中有很多这样的事件。

问题是也可以多行，而且格式没有定义。

我什至尝试过设置一些条件，比如以特定字符开始或结束，但那样我就不得不写太多条件，而且这种格式确实存在于 "OUT:" 字之后已提取。

请告诉我如何解决这个问题。

以下是示例数据格式：

格式 1：

IN: {
"abc": "valueabc",
"def": "valuedef",
"ghi":
[
{"jkl": valuejkl, "mno": valuemno, "pqr":
"valuepqr"},
{"jkl": valuejkl, "mno": valuemno, "stu": "valuestu", "pqr":
"valuepqr"},
{"jkl": valuejkl, "mno": valuemno, "stu": "valuestu", "pqr":
"valuepqr"}
],
"id": "1"
}
OUT: {"abc": "valueabc", "id": "1", "def": {}}

格式 2 :

IN: {"abc": "valueabc", "def": "valuedef", "id": "1"}
OUT: {"abc": "valueabc", "id": "1", "ghi": "valueghi"}

格式 3 :

IN: {"abc": "valueabc", "def": "valuedef", "jkl":
["valuejkl"], "id": "1"}
OUT: {"abc": "valueabc", "id": "1", "ghi": {}}

下面是我试过的解决方案代码的核心逻辑，if语句中还有单独的数据需要取，之后就是"IN:"之后和[之前取数据的逻辑=34=]

for(String line:lines)
            {
                String pattern = "^[0-9]+[\.][0-9]+[\.][0-9]+[\.].*";
                boolean matches = Pattern.matches(pattern, line);
                if(matches)
                {
                    String subString1 = line.split("\.")[3].trim();
                    String subString2 = line.split("\.")[4].trim();
                    String finalString = subString1+"."+subString2+",";
                    System.out.println();
                    System.out.print(finalString); 
                }
                else if(line.startsWith("IN:"))
                {
                    String finalString = line.substring(3).trim();
                    System.out.print(finalString);
                }
                else if(!(line.startsWith("IN:")||line.startsWith("OUT:"))&&((line.trim().length()>1)&&(line.endsWith("}"))))
                {
                    String finalString = line.trim();
                    System.out.print(finalString);
                }
                else if(!(line.startsWith("IN:")||line.startsWith("OUT:"))&&((line.trim().length()>1)&&(line.startsWith("\""))))
                {
                    String finalString = line.trim();
                    System.out.print(finalString);
                }
                else
                {
                    continue;
                }
            }

Answer 1

这个怎么样？如果您想要 IN: 和 OUT: 之间的值，你能试试这个代码吗？

StringBuilder sb = new StringBuilder();
boolean targetFound = false;
for (String line : lines) {
    if (line.startsWith("IN:")) {
        line = line.replace("IN:", "");
        targetFound = false;
    } else if (line.startsWith("OUT:")) {
        targetFound = true;
    }

    if (targetFound && !line.equals("OUT:")) {
        // Print
        System.out.println(sb.toString());
        sb.setLength(0);
    } else {
        sb.append(line.trim());
    }
}

输入文本：

IN: {
"abc": "valueabc",
"def": "valuedef",
"ghi":
[
"valuepqr"},
{"jkl": valuejkl, "mno": valuemno, "stu": "valuestu", "pqr":
"valuepqr"}
],
"id": "1"
}
OUT: {"abc": "valueabc", "~"}

结果：

{"abc": "valueabc","def": "valuedef","ghi":["valuepqr"},{"jkl": valuejkl, "mno": valuemno, "stu": "valuestu", "pqr":"valuepqr"}],"id": "1"}

如何使用 java 从 PDF 文件中读取两个单词之间的多行内容？

How to read multi-line content between two words from a PDF file using java?

java

multiline

data-extraction