itext java pdf到文本创建

itext java pdf到文本创建

缺少空格字符的原因是，您在渲染的PDF中看到的空格不一定与PDF页面内容描述中的空格相对应。取而代之的是，您通常会在PDF中找到一个 *** 作，该 *** 作在渲染一个单词后将当前位置稍微向右移，然后再渲染下一个单词。

不幸的是，同样的机制也被用来增强相邻字形的外观：在某些字母组合中，为了获得良好的外观和阅读体验，字形应比默认情况下更近或更远地打印。使用与上述相同的 *** 作在PDF中完成此 *** 作。

因此，在这种情况下，PDF解析器必须使用试探法来确定这种移位是否意味着暗含空格字符，还是仅意味着使字母组看起来更好。试探法可能会失败。

您

SimpleTextExtractionStrategy

用作文本提取策略。这种情况下的试探法是这样实现的（如当前在iText
SVN干线

renderText

中的SimpleTextExtractionStrategy.java中的方法中一样）：

float spacing = lastEnd.subtract(start).length();if (spacing > renderInfo.getSingleSpaceWidth()/2f){    result.append(' ');}

因此，将至少是空格的当前宽度一半宽度的间隙转换为空格。

这通常听起来很明智。但是，在仅使用水平移位分隔单词的文档的情况下，实际空格字符的当前宽度对于启发式方法可能不是一个好方法。

因此，您可以做的是尝试改善文本提取策略中的启发式方法。复制现有代码，进行 *** 作，然后在代码中使用它。

如果为您的问题提供样本PDF，我们可能会提供一些帮助。