質問をすることでしか得られない、回答やアドバイスがある。

15分調べてもわからないことは、質問しよう!

ただいまの
回答率

88.93%

PDFBoxでのpdfのテキスト(改行単位での)読み取りについて

受付中

回答 0

投稿

  • 評価
  • クリップ 0
  • VIEW 2,556

hirdd

score 50

PDFBoxライブラリを使用して、pdfに記載されたテキストを改行単位で取得しようと試みているものです。以下にあるjavaソースを用いて、1ページ目のテキストを取得して見たところ、pdf上で見た目上一行になっている箇所で改行が入っていることに気づきました。しかし、そうではなくて、以下の例のような状態で文字列を取得したいのです。

例:
■pdf
これがpdfに記載してある文章で
す。"〜文章で"の後で改行が入る
のは望んでいる状態ではありませ
ん。
上の文の"ん。"で初めて改行が入
って欲しいのです。

■java上の文字列(やりたい事)
これがpdfに記載してある文章です。"〜文章で"の後で改行が入るのは望でいる状態ではありません。\n
上の文の"ん。"で初めて改行が入って欲しいのです。\n

PDFBoxを用いて上のような文字列取得を行う方法はありますでしょうか。ご存知の方、ご教授いただけませんでしょうか??よろしくお願いいたします。

-PDFBoxのバージョン
2.0.4

 1 import java.io.FileInputStream;
  2 import java.io.File;
  3 import java.io.IOException;
  4 import org.apache.pdfbox.text.PDFTextStripper;
  5 import org.apache.pdfbox.pdfparser.PDFParser;
  6 import org.apache.pdfbox.pdmodel.PDDocument;
  7 import org.apache.pdfbox.pdmodel.encryption.InvalidPasswordException;
  8 
  9 
 10 public class CreateCsvFromPdf {
 11         
 12         public static void main(String[] args) {
 13                 
 14                 System.out.println("Start CreateCsvFromPdf");
 15                 // インプット用のpdfファイル
 16                 String input = args[0];                  
 20                 //pdfを読み込む準備
 21                 PDDocument pdf = null;
 28                 
 29                 try {   
 30                         
 31                         PDDocument pdfDocument = PDDocument.load(new File(input));
 32                         int pageNums = pdfDocument.getNumberOfPages();
 33                         
 34                         PDFTextStripper textStripper = new PDFTextStripper();
 35                         
 36                         //ひとまず、1ページ目の情報を取得してみる。
 37                         int currentPage = 1;
 38                          
 40                         textStripper.setStartPage(currentPage);
 41                         textStripper.setEndPage(currentPage);
 42                         
 43                         String textOfPdf = textStripper.getText(pdfDocument);
 44                         
 46                         System.out.println(textOfPdf);
 47                      
 51                         pdfDocument.close();
 52                 
 53                 }catch(InvalidPasswordException e){
 54                         
 55                         System.out.println("InvalidPasswordExceptionが出たよ。");
 56                         System.out.println(e);
 61                 }
 62         }
 63 }
  • 気になる質問をクリップする

    クリップした質問は、後からいつでもマイページで確認できます。

    またクリップした質問に回答があった際、通知やメールを受け取ることができます。

    クリップを取り消します

  • 良い質問の評価を上げる

    以下のような質問は評価を上げましょう

    • 質問内容が明確
    • 自分も答えを知りたい
    • 質問者以外のユーザにも役立つ

    評価が高い質問は、TOPページの「注目」タブのフィードに表示されやすくなります。

    質問の評価を上げたことを取り消します

  • 評価を下げられる数の上限に達しました

    評価を下げることができません

    • 1日5回まで評価を下げられます
    • 1日に1ユーザに対して2回まで評価を下げられます

    質問の評価を下げる

    teratailでは下記のような質問を「具体的に困っていることがない質問」、「サイトポリシーに違反する質問」と定義し、推奨していません。

    • プログラミングに関係のない質問
    • やってほしいことだけを記載した丸投げの質問
    • 問題・課題が含まれていない質問
    • 意図的に内容が抹消された質問
    • 過去に投稿した質問と同じ内容の質問
    • 広告と受け取られるような投稿

    評価が下がると、TOPページの「アクティブ」「注目」タブのフィードに表示されにくくなります。

    質問の評価を下げたことを取り消します

    この機能は開放されていません

    評価を下げる条件を満たしてません

    評価を下げる理由を選択してください

    詳細な説明はこちら

    上記に当てはまらず、質問内容が明確になっていない質問には「情報の追加・修正依頼」機能からコメントをしてください。

    質問の評価を下げる機能の利用条件

    この機能を利用するためには、以下の事項を行う必要があります。

まだ回答がついていません

15分調べてもわからないことは、teratailで質問しよう!

  • ただいまの回答率 88.93%
  • 質問をまとめることで、思考を整理して素早く解決
  • テンプレート機能で、簡単に質問をまとめられる

関連した質問

同じタグがついた質問を見る