Anotações e texto especial usando Java

Extrair texto destacado

Iterar pelas anotações da página e ler o texto marcado de HighlightAnnotation.

1. Abra o PDF de origem em uma instância de Document.
2. Itere através do objetos Annotation no destino Page.
3. Verifique se cada anotação é um HighlightAnnotation antes de convertê-la para a classe de anotação tipada.
4. Leia o texto marcado de cada anotação de destaque e imprima-o no console.

public static void extractHighlightedText(Path inputFile) {
    try (Document document = new Document(inputFile.toString())) {
        for (Annotation annotation : document.getPages().get_Item(1).getAnnotations()) {
            if (annotation instanceof HighlightAnnotation) {
                HighlightAnnotation highlightAnnotation = (HighlightAnnotation) annotation;
                System.out.println(highlightAnnotation.getMarkedText());
            }
        }
    }
}

Extrair texto de anotações de carimbo

Leia o fluxo de aparência normal de uma anotação de carimbo e passe‑o adiante TextAbsorber.

1. Abra o PDF de origem em uma instância de Document.
2. Itere através do objetos Annotation no destino Page.
3. Filtre as anotações para aquelas cujo tipo é Stamp.
4. Crie um TextAbsorber e solicite a entrada de aparência normal do dicionário de aparência da anotação de carimbo.
5. Visite a aparência XForm e imprima o texto extraído.

public static void extractStampText(Path inputFile) {
    try (Document document = new Document(inputFile.toString())) {
        for (Annotation annotation : document.getPages().get_Item(1).getAnnotations()) {
            if (annotation.getAnnotationType() == AnnotationType.Stamp) {
                TextAbsorber absorber = new TextAbsorber();
                Object[] xforms = new Object[1];
                if (annotation.getAppearance().tryGetValue("N", xforms) && xforms[0] instanceof XForm) {
                    absorber.visit((XForm) xforms[0]);
                    System.out.println(absorber.getText());
                }
            }
        }
    }
}

Extrair detalhes de texto sobrescrito e subscrito

Use TextFragmentAbsorber quando precisar tanto do texto extraído quanto das marcações de sobrescrito ou subscrito em cada fragmento.

1. Abra o PDF de origem em uma instância de Document.
2. Crie um TextFragmentAbsorber para análise de texto em nível de fragmento.
3. Visite o destino Page e coletar o seu objetos TextFragment.
4. Itere pelos fragmentos e leia o texto junto com as bandeiras de sobrescrito e subscrito de fragment.getTextState().
5. Escreva os detalhes extraídos no arquivo de saída.

public static void extractSuperSubDetails(Path inputFile, Path outputFile, int pageNumber) throws Exception {
    try (Document document = new Document(inputFile.toString())) {
        TextFragmentAbsorber absorber = new TextFragmentAbsorber();
        document.getPages().get_Item(pageNumber).accept(absorber);
        StringBuilder details = new StringBuilder();
        for (TextFragment fragment : absorber.getTextFragments()) {
            details.append("Text: '").append(fragment.getText())
                    .append("' | Superscript: ").append(fragment.getTextState().isSuperscript())
                    .append(" | Subscript: ").append(fragment.getTextState().isSubscript())
                    .append(System.lineSeparator());
        }
        Files.writeString(outputFile, details.toString());
    }
}