IText无法使用Java读取PDF中的空格

Question

我正在尝试通过IText阅读PDF文件， 程序成功读取pdf文件，但无法包含空格。

程序：

  public void parse(String filename) throws IOException {
        PdfReader reader = new PdfReader(filename);
        PdfReaderContentParser pdfReaderContentParser = new PdfReaderContentParser(reader);
      TextExtractionStrategy strategy = null;
      for (int i=1; i<= reader.getNumberOfPages(); i++) {
           String text = PdfTextExtractor.getTextFromPage(reader, i, new LocationTextExtractionStrategy());
          System.out.println(text);

        }
    }

这里需要从pdf获取数据

当程序正在读取pdf时，输出为：

  DATE MODE PARTICULARS DEPOSITS WITHDRAWALS BALANCE
   01-04-2017 B/F 54,396.82

如果你在图片中看到日期是01-04-2017，MODE有空的详细信息值是B / F，DEPOSITS和WITHDRAWALS也是空值，BALANCE是54,396.82 我需要的文本形式相同的数据

e.g .--＆GT;

 DATE      MODE PARTICULARS DEPOSITS WITHDRAWALS BALANCE
 01-04-2017     B/F                              54,396.82

需要帮助，提前谢谢。

Answer 1

您正在从PDF中提取文本，结果是正确的，它不会缺少空格，因为原始文本中没有空格。

然而（我之前错过了，所以我正在编辑），你正在使用LocationTextExtractionStrategy，这是“表感知”。这很好，但最后getTextFromPage丢弃了表感知信息。

因此，您可以创建自己的策略实现，扩展LocationTextExtractionStrategy，添加getTabulatedText()方法以在您希望的位置插入空格的情况下吐出文本。从getResultantText()中获取灵感，看看它如何在每个单元格之间插入一个空格......在代码中，您可以根据需要插入尽可能多的空格（或制表符）。请参阅this answer for an example。

MyTextExtractionStrategy strategy = new MyTextExtractionStrategy();
for (int i=1; i<= reader.getNumberOfPages(); i++) {
    String rawText = PdfTextExtractor.getTextFromPage(reader, i, strategy);
    String tabulatedText = strategy.getTabulatedText();
    System.out.println(text);
}

（也许有一个“策略”实现已经做到了，但我不知道）