使用iTextG从Android上的pdf文件中提取文本

Question

当我试图从sdcard中读取一个pdf文件并从中提取文本时，什么都没有发生。没有错误，没有警告，通知，也没有结果文件。我将源文件和结果存储在设备sdcard的根文件夹中。你们能帮我解决这个问题吗？这是我的代码：

package com.example.androidtest;

import java.io.File;
...

public class MainActivity extends Activity  {

private Button button;

    public static final String TIMETABLE = "doc.pdf";                       // The original PDF that will be parsed. 
public static final String RESULT = "timetable.txt";                    // The text file received after scan. 


@Override
protected void onCreate(Bundle savedInstanceState)  {
    super.onCreate(savedInstanceState);
    setContentView(R.layout.activity_main);
    processSource();


}   

public void processSource() {

    button = (Button) this.findViewById(R.id.button_add);
    button.setOnClickListener(new View.OnClickListener() {

        @Override
        public void onClick(View v) {
              try {
                new MainActivity().extractText(TIMETABLE, RESULT);
            } catch (IOException e) {
                // TODO Auto-generated catch block
                e.printStackTrace();
            }

        }
    });


}

public void extractText(String pdf, String doc) throws IOException {

    File sdcard = Environment.getExternalStorageDirectory();                    // Load file timetable.txt from device's sdcard
    File file = new File(sdcard, pdf);

    File text = new File(sdcard, doc);                                      // Save the result file in device's sdcard
    InputStream is;
    try {
        is = new FileInputStream(file);
        PdfReader reader = new PdfReader(is);                                               // Call the source file
        PrintWriter out = new PrintWriter(new FileOutputStream(text));
       Rectangle rect = new Rectangle(0, 0, 600, 900);                  // Define the rectangle to extract text within it
                RenderFilter filter = new RegionTextRenderFilter(rect);
                TextExtractionStrategy strategy = new FilteredTextRenderListener(new LocationTextExtractionStrategy(), filter);
                out.println(PdfTextExtractor.getTextFromPage(reader, 1, strategy));     

                out.flush();

        out.close();
    } catch (IOException e) {
        // TODO Auto-generated catch block
        e.printStackTrace();
    }                                               // Call the source file

}      

}

下面是我在AVD上测试它时控制台选项卡中显示的内容(我希望它能有所帮助)：

2013-11-23 03:03:29 - AndroidTest安卓系统发布！2013-11-23 03:29- AndroidTest亚行正常运行。2013-11-23 03:03:29 - AndroidTest Performing com.example.androidtest.MainActivity >活动启动2013-11-23 03:03:29 - AndroidTest自动目标模式:启动新的仿真器与launch 11-23 'Tab‘2013-23 03:03:29 - AndroidTest启动一个新的仿真器与虚拟设备'Tab’2013-11-23 03:03:29 -发现:模拟器-5554 2013-11-23 03: 03:03:29 - AndroidTest等待回家('android.process.acore') launch=‘android.process.acore’>启动.2013年-11-23 03:03:57 - AndroidTest家庭在设备‘模拟器上-5554’2013-11-23 03:03:57 - AndroidTest上传AndroidTest.apk到设备‘模拟器-5554’2013-11-23 03:04:06 - AndroidTest安装AndroidTest.apk.2013年-11-23 03:04:29 - AndroidTest成功！2013年-11-23 03:04:29 -设备模拟器上的AndroidTest启动活动>com.example.androidtest.MainActivity -5554 2013年-11-23 03:04:04:30- AndroidTest ActivityManager: Starting >{ act=android.intent.action.MAIN cat=android.intent.category.LAUNCHER >cmp=com.example.androidtest/..MainActivity}

耽误您时间，实在对不起!

Answer 1

您正在使用一个过滤器来限制要从以下位置提取文本的区域：

Rectangle rect = new Rectangle(0, 0, 600, 900);
// Define the rectangle to extract text within it
RenderFilter filter = new RegionTextRenderFilter(rect);

PDF页面不需要在(0, 0)的左下角。它可以在坐标系中的任何地方。因此，A4页面可以是(0, 0, 595, 842)，但也可以是(1000, 2000, 1595, 2842)。

您要从其中提取文本的PDF格式可能包含在用于筛选器的(0, 0, 600, 900)矩形之外的页面。这意味着过滤器不与页面相交，因此不提取文本。