itext7知识点研究(PDF编辑)
取出pdf文档文字
String sourceFolder2 = "E:\\picture2\\租赁合同2.pdf";
PdfDocument doc = new PdfDocument(new PdfReader(sourceFolder2));
float height = doc.getPage(1).getPageSize().getHeight();
float width = doc.getPage(1).getPageSize().getWidth();
Rectangle rect = new Rectangle(width,height);
FilteredTextEventListener filterListener = new FilteredTextEventListener(new LocationTextExtractionStrategy(), new TextRegionEventFilter(rect));
String extractedText = PdfTextExtractor.getTextFromPage(doc.getPage(1), filterListener);
System.out.println(extractedText);
- 上面的例子就可以取出第一页所有的文字,如果需要取出某些文字需要知道文字的具体方位,画个矩形就可以取出
- 以上代码依赖com.itextpdf.kernel
- 取出多个位置的文字
@Test
public void testWithMultiFilteredRenderListener() throws IOException {
PdfDocument pdfDocument = new PdfDocument(new PdfReader(sourceFolder + "test.pdf"));
float x1, y1, x2, y2;
FilteredEventListener listener = new FilteredEventListener();
x1 = 122;
x2 = 22;
y1 = 678.9f;
y2 = 12;
ITextExtractionStrategy region1Listener = listener.attachEventListener(new LocationTextExtractionStrategy(),
new TextRegionEventFilter(new Rectangle(x1, y1, x2, y2)));
x1 = 156;
x2 = 13;
y1 = 678.9f;
y2 = 12;
ITextExtractionStrategy region2Listener = listener.attachEventListener(new LocationTextExtractionStrategy(),
new TextRegionEventFilter(new Rectangle(x1, y1, x2, y2)));
PdfCanvasProcessor parser = new PdfCanvasProcessor(new GlyphEventListener(listener));
parser.processPageContent(pdfDocument.getPage(1));
Assert.assertEquals("Your", region1Listener.getResultantText());
Assert.assertEquals("dju", region2Listener.getResultantText());
}
遍历pdf每个字符
- 之前一直以为Listen监听遍历pdf文本只能一段一段遍历,现在发现他实际上提供了遍历字符的方法\
- 两个监听器,一个监听的段落,一个监听每个字符
static class MyEventListener implements IEventListener {
private List<Rectangle> rectangles = new ArrayList<>(); @Override
public void eventOccurred(IEventData data, EventType type) {
if (type == EventType.RENDER_TEXT) {
TextRenderInfo renderInfo = (TextRenderInfo) data;
Vector startPoint = renderInfo.getDescentLine().getStartPoint();
Vector endPoint = renderInfo.getAscentLine().getEndPoint();
float x1 = Math.min(startPoint.get(0), endPoint.get(0));
float x2 = Math.max(startPoint.get(0), endPoint.get(0));
float y1 = Math.min(startPoint.get(1), endPoint.get(1));
float y2 = Math.max(startPoint.get(1), endPoint.get(1));
rectangles.add(new Rectangle(x1, y1, x2 - x1, y2 - y1));
}
} @Override
public Set<EventType> getSupportedEvents() {
return new LinkedHashSet<>(Collections.singletonList(EventType.RENDER_TEXT));
} public List<Rectangle> getRectangles() {
return rectangles;
} public void clear() {
rectangles.clear();
}
} static class MyCharacterEventListener extends MyEventListener {
@Override
public void eventOccurred(IEventData data, EventType type) {
if (type == EventType.RENDER_TEXT) {
TextRenderInfo renderInfo = (TextRenderInfo) data;
for (TextRenderInfo tri : renderInfo.getCharacterRenderInfos()) {
super.eventOccurred(tri, type);
}
}
}
}
- 标记每个字符,提供了这样的方法,可以发挥想象做更多的事,给个图片更清楚点
private void parseAndHighlight(String input, String output, boolean singleCharacters) throws IOException {
PdfDocument pdfDocument = new PdfDocument(new PdfReader(input), new PdfWriter(output)); MyEventListener myEventListener = singleCharacters ? new MyCharacterEventListener() : new MyEventListener();
PdfDocumentContentParser parser = new PdfDocumentContentParser(pdfDocument);
for (int pageNum = 1; pageNum <= pdfDocument.getNumberOfPages(); pageNum++) {
parser.processContent(pageNum, myEventListener);
List<Rectangle> rectangles = myEventListener.getRectangles();
PdfCanvas canvas = new PdfCanvas(pdfDocument.getPage(pageNum));
canvas.setLineWidth(0.5f);
canvas.setStrokeColor(ColorConstants.RED);
for (Rectangle rectangle : rectangles) {
canvas.rectangle(rectangle);
canvas.stroke();
}
myEventListener.clear();
} pdfDocument.close();
}

- 要实现上面的效果,只要调用上面的方法即可
@Test
public void highlightNotDefTest() throws IOException, InterruptedException {
String input = sourceFolder + "page229.pdf";
String output = outputPath + "page229.pdf";
//false 表示短语单词为单位 true表示每个字符都遍历
parseAndHighlight(input, output, false);
}
- false的效果

定位某些单词
@Test
public void findPosition() throws Exception {
String sourceFolder2 = "E:\\picture2\\租赁合同2.pdf";
String output = "E:\\picture2\\租赁合同2_stroke.pdf";
PdfReader reader = new PdfReader(sourceFolder2);
PdfDocument pdfDocument = new PdfDocument(reader, new PdfWriter(output));
PdfPage lastPage = pdfDocument.getLastPage();
RegexBasedLocationExtractionStrategy strategy = new RegexBasedLocationExtractionStrategy("甲方");
PdfCanvasProcessor canvasProcessor = new PdfCanvasProcessor(strategy);
canvasProcessor.processPageContent(lastPage);
Collection<IPdfTextLocation> resultantLocations = strategy.getResultantLocations();
PdfCanvas pdfCanvas = new PdfCanvas(lastPage);
pdfCanvas.setLineWidth(0.5f);
List<IPdfTextLocation> sets = new ArrayList<>();
for (IPdfTextLocation location : resultantLocations) {
Rectangle rectangle = location.getRectangle();
pdfCanvas.rectangle(rectangle);
pdfCanvas.setStrokeColor(ColorConstants.RED);
pdfCanvas.stroke();
System.out.println(rectangle.getX() + "," + rectangle.getY() + "," + rectangle.getLeft() + "," +
rectangle.getRight() + "," + rectangle.getTop() + "," + rectangle.getBottom() + "," +
rectangle.getWidth() + "," + rectangle.getHeight());
System.out.println(location.getText());
sets.add(location);
}
Collections.sort(sets, new Comparator<IPdfTextLocation>() {
@Override
public int compare(IPdfTextLocation o1, IPdfTextLocation o2) {
return o1.getRectangle().getY() - o2.getRectangle().getY() > 0 ? 1 : o1.getRectangle().getY() - o2.getRectangle().getY() == 0 ? 0 : -1;
}
});
System.out.println(sets.get(0).getRectangle().getY());
pdfDocument.close();
}
- 以下是输出
88.0,297.53,88.0,115.72,311.53,297.53,27.720001,14.0
甲方
213.0,674.176,213.0,241.0,688.176,674.176,28.0,14.0
甲方
227.75,767.7765,227.75,254.75,781.2765,767.7765,27.0,13.5
甲方
322.25,767.7765,322.25,349.25,781.2765,767.7765,27.0,13.5
甲方
297.53
- 上面的方法用来合同签章定位上,已经可以做到定位最后某个特定单词
添加文字和图片
@Test
public void imagesWithDifferentDepth() throws IOException, InterruptedException {
String outFileName = destinationFolder + "transparencyTest01.pdf";
String cmpFileName = sourceFolder + "cmp_transparencyTest01.pdf";
PdfDocument pdfDocument = new PdfDocument(new PdfWriter(outFileName, new WriterProperties()
.setCompressionLevel(CompressionConstants.NO_COMPRESSION)));
PdfPage page = pdfDocument.addNewPage(PageSize.A3);//默认添加A4
PdfCanvas canvas = new PdfCanvas(page);
canvas.setFillColor(ColorConstants.LIGHT_GRAY).fill();//设置填充背景色
canvas.rectangle(80, 0, 700, 1200).fill();
//开始添加文字
canvas
.saveState()
.beginText()
.moveText(116, 1150) //从哪里开始写
.setFontAndSize(PdfFontFactory.createFont(StandardFonts.HELVETICA), 14) //字体和大小
.setFillColor(ColorConstants.MAGENTA) //字体颜色
.showText("8 bit depth PNG") //具体展示的文字
.endText()
.restoreState();
//读取并添加图片到指定位置
ImageData img = ImageDataFactory.create(sourceFolder + "manualTransparency_8bit.png");
canvas.addImage(img, 100, 780, 200, false);
//收尾步骤,关闭画布和pdf,否则pdf打开错误
canvas.release();
pdfDocument.close();
}
覆盖原来的文字
- 由于itext没提供替换pdf文字的接口,只能通过覆盖文字的形式完成
public void manipulatePdf(String src, String dest) throws IOException, DocumentException {
PdfReader reader = new PdfReader(src);
PdfStamper stamper = new PdfStamper(reader, new FileOutputStream(dest));
PdfContentByte canvas = stamper.getUnderContent(1);
canvas.saveState();
canvas.setColorFill(BaseColor.YELLOW);
canvas.rectangle(36, 786, 66, 16);
canvas.fill();
canvas.restoreState();
//开始写入文本
canvas.beginText();
for (Entry<String, ReplaceRegion> entry : entrys) {
ReplaceRegion val = entry.getValue();
//设置字体
canvas.setFontAndSize(font.getBaseFont(), getFontSize());
canvas.setTextMatrix(val.getX(),val.getY()+2/*修正背景与文本的相对位置*/);
canvas.showText((String) replaceTextMap.get(value.getAliasName()));
}
canvas.endText();
stamper.close();
reader.close();
}
itext7知识点研究(PDF编辑)的更多相关文章
- 在线PDF编辑网站http://www.pdfescape.com
网站地址:http://www.pdfescape.com 先转载一个简单介绍的文章 如果你以前很少阅读PDF文档,电脑中也没有PDF阅读器:adobe reader,foxit reader之类的软 ...
- PDF编辑方法,PDF如何去除数字签名
有些人会在PDF文件中添加数字签名,但当PDF文件有数字签名的时候就无法对PDF文件进行编辑.添加等操作.这个时候就需要去除PDF文件中的数字签名了,要怎么做呢,就由我来跟大家分享一下小编我的去除数字 ...
- PDF编辑方法,PDF怎么去除背景
PDF文件现在是使用的频率很高的一个软件的格式,PDF文件能够更加直观清楚的表达,PDF文件的使用很方便但编辑起来就来没有那么容易了,PDF文件的编辑是需要借助软件的,今天小编就来跟大家分享一下PDF ...
- 不花钱搞定PDF编辑难题
PDF格式是专为显示而设计的格式,并不容易被编辑,市面上并没有一款可以真正免费使用的PDF编辑器. 不花钱搞定PDF编辑难题的办法: 1.免费使用PDF编辑器+去水印:免费版的PDF编辑器不是会加水印 ...
- 付费?是不可能的!20行Python代码实现一款永久免费PDF编辑工具
PDF(Portable Document Format),中文名称便携文档格式是我们经常会接触到的一种文件格式,文献.文档…很多都是PDF格式.它以格式稳定的优势,使得我们在打印.分享.传输过程中能 ...
- PDF编辑、删除、替换某页面或文字
在工作中,我们常常会用到PDF,当然尤其是会计,我虽然是程序员,但是“小老鼠”是会计,前几天,突然问我,怎么样将PDF中的某个页面替换掉,也就是删掉某页然后再从另外一个地方找一页补上来: 还需要改变这 ...
- itext7 html转pdf实现
公司最近做一个交易所项目,里面涉及一个需求就是将html模板,在填充数据后转换为pdf,这样防止数据更改,下面是具体实现 1 pom文件 <dependency> <groupId& ...
- PDF编辑:pdfFactory文本备注功能详解
除了word的doc文件外,PDF也是我们经常接触到的文件格式,经常需要在pdf文件上进行编辑与修改,或者给内容做提示和备注. 文件的文本备注功能可以用pdfFactory来进行,编辑打印PDF一条龙 ...
- PDF编辑神器
转自网络 http://files.cnblogs.com/files/quejuwen/pdfeditportable.zip
随机推荐
- 剑指offer例题——反转链表
题目描述 输入一个链表,反转链表,输出新链表的表头 程序编写 将链表反转 public class Solution { public ListNode ReverseList(ListNode he ...
- 转: rem与px的转换
rem是相对于根元素<html>,这样就意味着,我们只需要在根元素确定一个参考值,这个参考值设置为多少,完全可以根据您自己的需求来定.· 我们知道,浏览器默认的字号16px,来看一些px单 ...
- 使用openpyxl复制整张sheet
通过无能的baidu逛了一圈,发现有两三段能用的代码,不过参考之下,发现还有不足的: 不能拷贝有合并格式的sheet.没有拷贝cell的相关格式(填充.边框.对齐)等参数 所以通过bing继续发掘,最 ...
- <Dare To Dream 团队>第一次作业:团队亮相
队名:Dare To Dream 2.团队成员组成:学号/姓名(标记团队组长): 201571030333/绽玉林(组长) 201571030132/姚慧霞 201571030308/李金平 2 ...
- docker安装portainer
安装好docker之后,可以使用portainer对容器进到管理 docker安装portainer命令 #这一步可以省略,直接运行可以下一条docker pull portainer #因为dock ...
- 【Django】关于设置和获取cookies
def TestCookies(request): response=HttpResponse() # cookie=request.COOKIES#下面两句等cookies设置以后,才使用 # if ...
- Selenium 笔记
1. 截屏:get_screenshot_as_file(“C:\\b1.jpg”) 2. 退出:(1).close----关闭当前窗口 (2).quit()-----用于结束进程,关闭所有的窗口 一 ...
- Scatter 散点图
散点图 首先,先引入matplotlib.pyplot简写作plt,再引入模块numpy用来产生一些随机数据.生成1024个呈标准正态分布的二维数据组 (平均数是0,方差为1) 作为一个数据集,并图像 ...
- 设计模式学习心得<工厂方法 Factory Method>
概述 意图 业务代码中常常有构造对象的过程,它拥有大量的参数.并且有很多地方需要这对象. 简化对象构造过程. 主要解决 一个类在不同场景的频繁地创建,让不同对象的创建更有语义化,提高代码复用性. 何时 ...
- python04 列表 元祖 字典
1.list 有序,元素可以被修改 li=[1,2,2,"am","123"] 列表中的元素可以是数字,字符串,列表等等 支持切片,切片结果为列表 li[3] ...