Java PDFBox，从表格的特定行中提取数据

Question

我有一个小问题，你一定会在 30 秒内解决！ ;-)

我尝试阅读 .PDF 时间表的特定行。

示例：

New York:   06:30  /  07:00  /  10:15  /  12:30

Boston:     07:30  /  08:00  /  11:15  /  01:30

Chicago:    08:30  /  09:00  /  12:15  /  02:30

我参考了那个topic并尝试调整它，但它不起作用！

如果我理解行尾的注释

String lines[] = text.split("\\r?\\n"); // give you all the lines separated by new line

在我的情况下，String lines[] = text.split("Boston"); 应该检索所有波士顿列，但事实并非如此。

那么我怎样才能检索所有波士顿时间（07:30、08:00、11:15、01:30 等）？

任何帮助将不胜感激。

编辑：

我显然是在谈论原生 pdfbox 函数

否则，我当然可以逐行分析从 PDF 文件中提取的文本，但我想它不会安静地优化/快速。

Answer 1

如果我理解行尾的注释

String lines[] = text.split("\\r?\\n"); // give you all the lines separated by new line

在我的情况下，String lines[] = text.split("Boston"); 应该检索所有波士顿列，但事实并非如此。

不，您的操作会在每次出现字符串“波士顿”时拆分 text。因此，在您的情况下，它会产生两个字符串

New York:   06:30  /  07:00  /  10:15  /  12:30

和

:     07:30  /  08:00  /  11:15  /  01:30

Chicago:    08:30  /  09:00  /  12:15  /  02:30

那么我怎样才能检索所有波士顿时间（07:30、08:00、11:15、01:30 等）？

在String text 中搜索子字符串“Boston:”，获取以下子字符串直到下一个行尾，然后将其拆分为斜线字符。

我说的显然是原生的 pdfbox 函数

没有。您首先讨论了split，它是Java String 类的一个方法，而您提出的任务是Java 中的纯字符串分析。

如果您谈论的是 Pdfbox 函数，您会专注于自定义 PdfTextStripper。

由于在提取文本之前您不知道波士顿线在哪里，因此在提取文本之前几乎什么都做不了。