Java를 사용한 지역 기반 추출

직사각형 페이지 영역에서 텍스트 추출

페이지의 정의된 영역으로 추출을 제한하려면 TextSearchOptions를 Rectangle과 함께 사용하세요.

1. Document 인스턴스에서 소스 PDF를 여세요.
2. 선택한 페이지 영역에서 텍스트를 수집하려면 TextAbsorber를 생성하세요.
3. 대상 Rectangle에 대해 TextSearchOptions를 만들고 setLimitToPageBounds(true)를 활성화하세요. 추출이 표시되는 페이지 상자 내에 유지됩니다.
4. 구성된 검색 옵션을 흡수체에 적용하고 대상 Page를 방문하세요.
5. 추출된 텍스트 버퍼를 출력 파일에 쓰세요.

public static void extractTextFromRegion(Path inputFile, Path outputFile, int pageNumber, Rectangle rectangle)
        throws Exception {
    try (Document document = new Document(inputFile.toString())) {
        TextAbsorber absorber = new TextAbsorber();
        TextSearchOptions options = new TextSearchOptions(rectangle);
        options.setLimitToPageBounds(true);
        absorber.setTextSearchOptions(options);
        document.getPages().get_Item(pageNumber).accept(absorber);
        Files.writeString(outputFile, absorber.getText());
    }
}

기하학 정보가 포함된 단락 추출

추출된 텍스트와 함께 섹션 직사각형 및 단락 다각형을 검사하려면 ParagraphAbsorber를 사용하세요.

1. Document 인스턴스에서 소스 PDF를 여세요.
2. ParagraphAbsorber를 생성하고 대상 Page에 방문하여 페이지 마크업 정보를 구축하세요.
3. 첫 번째 페이지 마크업 결과를 읽고 해당 섹션과 단락을 반복하세요.
4. TextFragment 라인에서 재구성된 각 섹션 직사각형, 단락 다각형 및 단락 텍스트를 수집하세요.
5. 기하학과 추출된 텍스트 세부정보를 사용하여 출력 보고서를 작성하세요.
6. 추출된 세부정보를 출력 파일에 쓰세요.

public static void extractParagraphsWithGeometry(Path inputFile, Path outputFile) throws Exception {
    try (Document document = new Document(inputFile.toString())) {
        ParagraphAbsorber absorber = new ParagraphAbsorber();
        absorber.visit(document.getPages().get_Item(1));

        PageMarkup pageMarkup = absorber.getPageMarkups().get(0);
        StringBuilder text = new StringBuilder();
        int sectionIndex = 1;
        for (MarkupSection section : pageMarkup.getSections()) {
            text.append("Section ").append(sectionIndex)
                    .append(": rectangle = ").append(section.getRectangle()).append("\n");
            int paragraphIndex = 1;
            for (MarkupParagraph paragraph : section.getParagraphs()) {
                text.append("  Paragraph ").append(paragraphIndex)
                        .append(": polygon = ").append(Arrays.toString(paragraph.getPoints())).append("\n");
                StringBuilder paragraphText = new StringBuilder();
                for (List<TextFragment> line : paragraph.getLines()) {
                    for (TextFragment fragment : line) {
                        paragraphText.append(fragment.getText());
                    }
                    paragraphText.append("\r\n");
                }
                text.append("    Text: ").append(paragraphText).append("\n\n");
                paragraphIndex++;
            }
            sectionIndex++;
        }

        Files.writeString(outputFile, text.toString());
    }
}