用于提取“可搜索pdf”中文本边界的工具包和方法

Question

我有一个“可搜索pdf”又名'具有不可见但可选择文本的图像文件'。 （当在Acrobat中打开此文件时，系统会提示“您正在以PDF/A模式查看此文档”。）

我需要提取本文档中每个单词的边界矩形。任何建议的工具包和访问“invisi-text”单词边界框的方法？

我更喜欢java中的工具，但非常感谢您的任何建议。

Answer 1

Acrobat的JavaScript库看起来是最简单，尤其是：

getPageNthWordQuads 

其在 “搜索PDF” 的作品。

将是很好，如果杂技演员JavaScript库是可以作为Java调用...

Answer 2

退房的iText库：http://www.lowagie.com/iText/

Answer 3

PDFBOX和JPedal还提供文本提取方法。