我正在尝试读取一个包含多个表格的PDF文件。使用Adobe API与Java,如果所有单元格都只有一行内容,我可以提取表格中的内容。但是,如果某个单元格有多行,提取的内容就会移到下一行,导致与表头对齐不上。
有没有办法从PDF中按原样提取内容,以保持表格格式与PDF显示的方式相同?我目前正在使用\t转义字符来提取数据。
有没有办法从PDF中按原样提取内容,以保持表格格式与PDF显示的方式相同?我目前正在使用\t转义字符来提取数据。
PDF中的文本并没有格式化。它们只是看起来被格式化了。同样地,表格只是线条和其中的文本。你需要一个能够智能重构页面元素的PDF库。但无论这个库有多聪明,总会有一些断行的情况。
这是我公司开发的Java PDF库PDFOne尝试的一张截图。公平地说,可能还有其他能做到同样效果的库。你需要对你的PDF集合进行一些测试,看哪个更好。