企业级-封装Java对内卷PDF利用关键字分页导出标题

提供 PDF 文件 File入参，根据需要将其中内卷文件需要分页利用关键字读取分页，转成 XML。
使用 依赖：itextpdf、pdfbox

1、导入依赖

<dependency><groupId>org.apache.pdfbox</groupId><artifactId>pdfbox</artifactId><version>2.0.21</version>
</dependency><!-- https://mvnrepository.com/artifact/com.itextpdf/itextpdf -->
<dependency><groupId>com.itextpdf</groupId><artifactId>itextpdf</artifactId><version>5.5.13.3</version>
</dependency>

2、封装代码：PdfPaginationUtil 

package com.gwssi.common.servicesupport.test.generator.service.impl;
import com.gwssi.util.Md5TokenGenerator;
import com.gwssi.util.PDFencodeUtil;
import com.itextpdf.text.pdf.PdfReader;
import com.itextpdf.text.pdf.SimpleBookmark;
import org.apache.pdfbox.pdmodel.PDDocument;
import org.apache.pdfbox.text.PDFTextStripper;
import org.apache.pdfbox.text.TextPosition;import java.io.File;
import java.io.FileInputStream;
import java.io.IOException;
import java.io.InputStream;
import java.util.HashMap;
import java.util.LinkedList;
import java.util.List;
import java.util.Map;/*** @Auther: fyp* @Date: 2024/6/17* @Description:* @Package: com.gwssi.common.servicesupport.test.generator.service.impl* @Version: 1.0*/
public class PdfPaginationUtil {private static final String[] keyWords = new String[]{"1", "2", "3"};private static final String[] keyTitleWords = new String[]{"4", "5", "6"};public List<Map<String,Object>> transToXml(File file) {//1.给定文件PdfReader reader = null;try {InputStream is = new FileInputStream(file);reader = new PdfReader(is);} catch (IOException e) {throw new RuntimeException(e);}//2.定义一个byte数组，长度为文件的长度byte[] pdfData = new byte[(int) file.length()];//3.IO流读取文件内容到byte数组FileInputStream inputStream = null;try {inputStream = new FileInputStream(file);inputStream.read(pdfData);} catch (IOException e) {throw new RuntimeException(e);} finally {if (inputStream != null) {try {inputStream.close();} catch (IOException e) {throw new RuntimeException(e);}}}List<Map<String,Object>> elecFileItemList =new LinkedList<>();Map<String,Object> elecFileItemMap= new HashMap<>();List<HashMap<String, Object>> list = SimpleBookmark.getBookmark ( reader ) ;List<Map<String,Object>>innerfileItemList =new LinkedList<>();String elecFileName = file.getName();for (int i = 0; i < list.size(); i++) {Map<String, Object> innerfileItemMap = new HashMap<>();HashMap<String, Object> currentBookmark = list.get(i);String currentBookmarkName = PDFencodeUtil.showBookmark(currentBookmark);int currentBookmarkPage = PDFencodeUtil.getPageNumbers(currentBookmark);int beginPageNum = currentBookmarkPage;int endPageNum;if (i < list.size() - 1) {HashMap<String, Object> nextBookmark = list.get(i + 1);int nextBookmarkPage = PDFencodeUtil.getPageNumbers(nextBookmark);endPageNum = nextBookmarkPage - 1;} else {try {endPageNum = PDFencodeUtil.getNumberOfPages(file); // You need to determine the total number of pages in your PDF.} catch (IOException e) {throw new RuntimeException(e);}}// 申请书 或 申请表 有卷内文件if (currentBookmarkName.contains("某一页需要分页唯一关键字")) {try {PDDocument document = PDDocument.load(file);int numPages = document.getNumberOfPages();Map<String, Object> titleAndPageInfo = new HashMap<>();for (int page = beginPageNum; page <= endPageNum; page++) {Map<String, Object> szqmInnerfileItemMap = new HashMap<>();Map<String, Object> keywordPositionMap = new HashMap<>();Map<String, Object> nextKeywordPositionMap = new HashMap<>();PDFTextStripper stripper = new PDFTextStripper() {@Overrideprotected void writeString(String text, List<TextPosition> textPositions) throws IOException {for (TextPosition textPosition : textPositions) {// 检查当前文本是否包含关键字for (String keyword : keyWords) {if (text.contains(keyword)) {// 获取关键字的x和y坐标Float x = textPosition.getXDirAdj();Float y = textPosition.getYDirAdj();// 将关键字的x和y坐标存储到Map中Map<String, Float> coordinates = new HashMap<>();coordinates.put("x", x);coordinates.put("y", y);keywordPositionMap.put(keyword, coordinates);}}}super.writeString(text, textPositions);}};PDFTextStripper nextStripper = new PDFTextStripper() {@Overrideprotected void writeString(String text, List<TextPosition> textPositions) throws IOException {for (TextPosition textPosition : textPositions) {// 检查当前文本是否包含关键字for (String keyword : keyWords) {if (text.contains(keyword)) {// 获取关键字的x和y坐标Float x = textPosition.getXDirAdj();Float y = textPosition.getYDirAdj();// 将关键字的x和y坐标存储到Map中Map<String, Float> coordinates = new HashMap<>();coordinates.put("x", x);coordinates.put("y", y);nextKeywordPositionMap.put(keyword, coordinates);}}}super.writeString(text, textPositions);}};// 当前页stripper.setStartPage(page);stripper.setEndPage(page);String text = stripper.getText(document);// 下一页nextStripper.setStartPage(page + 1);nextStripper.setEndPage(page + 1);String nextText = nextStripper.getText(document);int beginPage = page;boolean containTitle = false;boolean nextContainTitle = false;for (int idx = 0;  idx < keyWords.length; idx++) {// 当前页 有关键字 （标题）if (text.contains(keyWords[idx])) {// 记录关键字位置HashMap map = (HashMap) keywordPositionMap.get(keyWords[idx]);Float x = (Float)  map.get("x");Float y = (Float)  map.get("y");if (y < 200) {System.out.println("Keyword " + keyWords[idx] + " found on page: " + (idx + 1));titleAndPageInfo.put("title", keyTitleWords[idx]);titleAndPageInfo.put("beginPage", beginPage);// 初始化 endPagetitleAndPageInfo.put("endPage", beginPage);containTitle = true;}}// 下一页 有关键字 （标题）// 到达 申请书 下一页 关键字 找不到,根据是否到 申请书最后一页判断if (nextText.contains(keyWords[idx])) {HashMap map = (HashMap) nextKeywordPositionMap.get(keyWords[idx]);Float x = (Float) map.get("x");Float y = (Float) map.get("y");if (y < 200) {nextContainTitle = true;}}}// 下一页 存在 关键字，endPage 已获取到if (nextContainTitle) {szqmInnerfileItemMap.put("innerfileTitle", titleAndPageInfo.get("title"));szqmInnerfileItemMap.put("elecFileName", elecFileName);szqmInnerfileItemMap.put("beginPageNum", titleAndPageInfo.get("beginPage"));szqmInnerfileItemMap.put("endPageNum", titleAndPageInfo.get("endPage"));innerfileItemList.add(szqmInnerfileItemMap);// 下一页没有 关键字，且 是 申请书 最后一页} else if (!nextContainTitle && page == endPageNum) {titleAndPageInfo.put("endPage", endPageNum);szqmInnerfileItemMap.put("innerfileTitle", titleAndPageInfo.get("title"));szqmInnerfileItemMap.put("elecFileName", elecFileName);szqmInnerfileItemMap.put("beginPageNum", titleAndPageInfo.get("beginPage"));szqmInnerfileItemMap.put("endPageNum", titleAndPageInfo.get("endPage"));innerfileItemList.add(szqmInnerfileItemMap);} else {titleAndPageInfo.put("endPage", beginPage + 1);}}} catch (Exception e) {e.printStackTrace();}} else {innerfileItemMap.put("innerfileTitle", currentBookmarkName);innerfileItemMap.put("elecFileName", elecFileName);innerfileItemMap.put("beginPageNum", beginPageNum);innerfileItemMap.put("endPageNum", endPageNum);innerfileItemList.add(innerfileItemMap);}}elecFileItemMap.put("elecFileID", Md5TokenGenerator.generate(file.getPath()));elecFileItemMap.put("elecFileName",elecFileName);elecFileItemMap.put("elecFileSavePath", "文件下载地址");elecFileItemMap.put("elecFileType","szqm");elecFileItemMap.put("innerfileItemList",innerfileItemList);elecFileItemList.add(elecFileItemMap);return elecFileItemList;}}

本文来自互联网用户投稿，该文观点仅代表作者本人，不代表本站立场。本站仅提供信息存储空间服务，不拥有所有权，不承担相关法律责任。如若转载，请注明出处：http://www.mzph.cn/diannao/28753.shtml

如若内容造成侵权/违法违规/事实不符，请联系多彩编程网进行投诉反馈email:809451989@qq.com，一经查实，立即删除！

相关文章

BERT报错记录

BERT报错记录

一、加载数据集下载失败 报错&#xff1a; TimeoutError: [WinError 10060] 由于连接方在一段时间后没有正确答复或连接的主机没有反应&#xff0c;连接尝试失败。urllib3.exceptions.NewConnectionError: <urllib3.connection.HTTPSConnection object at 0x00000241F9AD4…
阅读更多...
Element UI 一键校验多表单（v-for循环表单，异步校验规则，v-for 中的 ref 属性，避坑 forEach 不支持异步 await ）

Element UI 一键校验多表单（v-for循环表单，异步校验规则，v-for 中的 ref 属性，避坑 forEach 不支持异步 await ）

需求描述 表单为数组 v-for 循环得到的多表单&#xff0c;如可自由增删的动态表单表单中存在异步校验规则&#xff0c;如姓名需访问接口校验是否已存在点击提交按钮&#xff0c;需一键校验所有表单&#xff0c;仅当所有表单都通过校验&#xff0c;才能最终提交到后台 效果预览 …
阅读更多...
亚马逊新店如何实现高效流量转化？自养号测评深度解析与实用策略

亚马逊新店如何实现高效流量转化？自养号测评深度解析与实用策略

在亚马逊平台上&#xff0c;自养号测评是一种通过卖家自行控制的海外买家账号对商品进行评价的方法&#xff0c;旨在提高商品的排名和流量。 亚马逊的自养号测评是指卖家通过使用在海外真实环境注册的买家账号&#xff0c;代替真实买家对商品进行测评。账号由卖家自己管理&…
阅读更多...
电子传真怎么在国产系统上使用？一文看懂网络传真信创方案

电子传真怎么在国产系统上使用？一文看懂网络传真信创方案

国产化浪潮正在逐步深入&#xff0c;越来越多的企业开始关注如何在国产系统上高效、安全地使用办公软件&#xff0c;电子传真系统也不例外。 作为网络电子传真领域的重要品牌&#xff0c;EastFax也对原Windows电子传真系统进行了信创改造&#xff0c;全面支持国产化操作系统、…
阅读更多...
串扰（一）

串扰（一）

一、说明 串扰应该算比较常见的信号完整性问题了&#xff0c;一般是指由于走线较近&#xff0c;传输信号时在临线上产生耦合噪声的现象。串扰的原因是由于电场和磁场的耦合&#xff0c;我们经常用耦合电容和耦合电感模型进行问题分析。 本文是基于被攻击线阻抗匹配的情形下计…
阅读更多...
Vatee万腾平台，让智能更懂你

Vatee万腾平台，让智能更懂你

在数字化浪潮席卷全球的今天&#xff0c;智能科技已经渗透到我们生活的方方面面。然而&#xff0c;真正的智能不仅仅是技术的堆砌&#xff0c;更是对人性需求的深刻理解和满足。Vatee万腾平台&#xff0c;正是这样一个让智能更懂你的平台&#xff0c;它以其独特的方式&#xff…
阅读更多...
CCRC-DSO数据安全官

CCRC-DSO数据安全官

随着数字化转型成为国家“十四五”规划的重点&#xff0c;数据市场化构建已上升为国家战略&#xff0c;成为数字经济发展的关键生产要素。 近年来&#xff0c;我国在数据安全政策的制定和实施上明显加速&#xff0c;相继出台了大量相关法规&#xff0c;确立了对数据资产全生命…
阅读更多...
C++中的八大设计原则

C++中的八大设计原则

目录 摘要 C中的8大设计原则 1. 单一职责原则 (Single Responsibility Principle, SRP) 2. 开放封闭原则 (Open/Closed Principle, OCP) 3. 里氏替换原则 (Liskov Substitution Principle, LSP) 4. 依赖倒置原则 (Dependency Inversion Principle, DIP) 5. 接口隔离原则…
阅读更多...
jQuery UI 实例

jQuery UI 实例

jQuery UI 实例 jQuery UI 是一个建立在 jQuery JavaScript 库之上的用户界面交互、特效、小部件和主题框架。它提供了一系列的预构建组件&#xff0c;使得开发者能够轻松地创建具有丰富交互性的网页。本篇文章将通过一系列实例&#xff0c;介绍如何使用 jQuery UI 来增强网页…
阅读更多...
统计检验与机器学习双管齐下：深入解析糖尿病风险

统计检验与机器学习双管齐下：深入解析糖尿病风险

1.项目背景 糖尿病是一种影响全球数百万人的慢性疾病，对公共健康构成重大威胁。准确预测糖尿病的发病风险对于早期干预和预防至关重要。通过机器学习模型分析影响糖尿病的主要因素，可以帮助医疗从业者更好地了解病因和风险因素，从而制定有效的预防和治疗策略。本项目通过可…
阅读更多...
PyCharm配置教程，手把手教你如何配置

PyCharm配置教程，手把手教你如何配置

文章目录 引言1. 安装 PyCharm1.1 下载和安装1.2 初次启动 2. 基本配置2.1 设置界面2.2 常用配置项 3. 项目配置3.1 创建新项目3.2 配置解释器 4. 虚拟环境配置4.1 创建虚拟环境4.2 使用已有虚拟环境4.3 管理依赖 5. 插件和扩展5.1 安装插件5.2 推荐插件 6. 调试配置6.1 配置调…
阅读更多...
【计算机毕业设计】234基于微信小程序的中国各地美食推荐平台

【计算机毕业设计】234基于微信小程序的中国各地美食推荐平台

&#x1f64a;作者简介&#xff1a;拥有多年开发工作经验&#xff0c;分享技术代码帮助学生学习&#xff0c;独立完成自己的项目或者毕业设计。 代码可以私聊博主获取。&#x1f339;赠送计算机毕业设计600个选题excel文件&#xff0c;帮助大学选题。赠送开题报告模板&#xff…
阅读更多...
可穿戴设备：苹果“吃老底”、华为“忙复苏”、小米“再扩容”

可穿戴设备：苹果“吃老底”、华为“忙复苏”、小米“再扩容”

配图来自Canva可画 随着产品功能的创新&#xff0c;可穿戴设备不再被简单地视为手机的延伸&#xff0c;而是被当成一种独立的、具有独特功能和优势的产品&#xff0c;受到了越来越多人的青睐。 一方面&#xff0c;技术的进步使得可穿戴设备在功能、性能和使用体验上得到显著提…
阅读更多...
Golang | Leetcode Golang题解之第160题相交链表

Golang | Leetcode Golang题解之第160题相交链表

题目&#xff1a; 题解&#xff1a; func getIntersectionNode(headA, headB *ListNode) *ListNode {if headA nil || headB nil {return nil}pa, pb : headA, headBfor pa ! pb {if pa nil {pa headB} else {pa pa.Next}if pb nil {pb headA} else {pb pb.Next}}retu…
阅读更多...
IDEA快速入门03-代码头统一配置

IDEA快速入门03-代码头统一配置

三、代码规范配置 3.1 文件头和作者信息 配置入口&#xff1a;依次打开 File -> Settings -> Editor -> File and Code Templates。 Class /*** Copyright (C) 2020-${YEAR}, Glodon Digital Supplier & Purchaser BU.* * All Rights Reserved.*/ #if (${PACKA…
阅读更多...
pdf只要其中一页，pdf只要其中几页怎么弄

pdf只要其中一页，pdf只要其中几页怎么弄

在现代办公和学习环境中&#xff0c;pdf文件因其跨平台、保持原样等优点而被广泛使用。然而&#xff0c;有时我们需要一个pdf其中页或其中几页&#xff0c;以便更好地管理和使用其中的内容。本文将详细介绍几种拆分pdf文件的方法&#xff0c;帮助您轻松应对各种拆分需求。 打开…
阅读更多...
开源项目推荐

开源项目推荐

这个资源列表集合了.NET开发领域的优秀工具、库、框架和软件等&#xff0c; 如果您目前研究开源大模型项目&#xff0c;请参考热门开源大模型项目推荐链接如下&#xff1a;https://blog.csdn.net/hefeng_aspnet/article/details/139669116 欢迎各位小伙伴收藏、点赞、留言、评论…
阅读更多...
图像识别技术在虚拟现实与增强现实中的应用

图像识别技术在虚拟现实与增强现实中的应用

图像识别技术在虚拟现实&#xff08;VR&#xff09;与增强现实&#xff08;AR&#xff09;领域中的应用广泛而深入&#xff0c;为用户提供了丰富多样的交互体验。以下是关于图像识别技术在这两个领域中的具体应用&#xff1a; 虚拟现实&#xff08;VR&#xff09;中的应用 虚…
阅读更多...
请不要自嗨，B端系统颜值不过关，功能再强大可能等于0

请不要自嗨，B端系统颜值不过关，功能再强大可能等于0

我们见过形形色色的系统&#xff0c;有不少老铁费劲开发出来的管理系统&#xff0c;输在了颜值上。商务人员觉得么有信心&#xff0c;就不敢推荐&#xff0c;客户中间人觉得拿不出手&#xff0c;就不会向上层重点推荐&#xff0c;有时候即便客户购买了&#xff0c;也是被客户的…
阅读更多...
你还记得java核心基础类Object么？

你还记得java核心基础类Object么？

Object 类的常见方法有哪些&#xff1f; Object 类是一个特殊的类&#xff0c;是所有类的父类。它主要提供了以下 11 个方法&#xff1a; /** * 尚硅谷2024新版3小时速通Docker教程 * https://www.sanzhishu.top/2696.html */// native 方法&#xff0c;用于返回当前运行时对…
阅读更多...
最新文章

Copyright @ 2022~2023