使用Apache PdfBox提取两个书签之间的文本

Question

我使用Apache PDFBox读取具有书签定义的层次结构的PDF文档。层次结构是以树形式存在的，其内容仅在叶级。

使用以下代码提取两个叶级书签之间的文本：

Stripper.setStartBookmark(), 
Stripper.setEndBookmark(),
Stripper.writeText()), 

返回整个页面中的文本。简而言之，我的问题类似于这条线中提到的问题。

有办法提取两个书签之间的内容吗？

如果是的话，我的代码应该做什么修改？

Answer 1

我猜您的书签不包含正确的数据。

听起来，您使用的书签只指向内容开始的页面，而不是页面上的location。

下面是一个包含位置数据的书签示例：

<Title Action="GoTo" Style="bold" Page="2 FitH 518">
Title Name
</Title>