从 pdf 中提取单词坐标的库/工具
我正在寻找一个（最好是Java）库或命令行工具来从pdf中提取单词坐标。输入 pdf 包含文本或图像，后面带有 ocr 文本。
我的用例：
在 Java Web 应用程序中，我想使用它来突出显示并显示它，而无需其他软件（例如 Adobe Reader 等）。相反，我想将匹配的页面转换为图像并将它们呈现在网页中。
I am looking for a (preferably Java-) library or a command line tool to extract word coordinates from pdfs. The input-pdfs contain either text or images with ocr-text in behind.
My Use Case:
In a Java web-application I would like to use this to do hit highlighting and present this without additional software (e.g. Adobe Reader etc.). Instead I want to convert the the matching pages into images and present them within a web page.
如果你对这篇内容有疑问，欢迎到本站社区发帖提问 参与讨论，获取更多帮助，或者扫码二维码加入 Web 技术交流群。
绑定邮箱获取回复消息
由于您还没有绑定你的真实邮箱，如果其他用户或者作者回复了您的评论，将不能在第一时间通知您！
发布评论
评论（2）
您应该能够使用 http://pdfbox.apache.org/ 进行突出显示并将其呈现为pdf本身。另请参阅 http://itextpdf.com/。
You should be able to use http://pdfbox.apache.org/ to do the highlighting and present them as pdf itself. Also look at http://itextpdf.com/.
您可以使用 JPedal 生成缩略图 (http://www.jpedal.org/pdf_thumbnail_tutorials.php) 并提取文本 (http://www.jpedal.org/support_egETAW.php)
You can use JPedal to generate the thumbnails (http://www.jpedal.org/pdf_thumbnail_tutorials.php) and extract the text (http://www.jpedal.org/support_egETAW.php)