Estrazione di testo tra due segnalibri utilizzando Apache PdfBox

Question

Sto usando Apache PDFBox per leggere un documento PDF che ha una gerarchia definita dai segnalibri. La gerarchia è in una forma ad albero con contenuti solo a livello foglia.

Estrazione del testo tra due segnalibri livello foglia utilizzando il seguente codice:

Stripper.setStartBookmark(), 
Stripper.setEndBookmark(), 
Stripper.writeText()), 

Restituisce il testo in tutta la pagina invece. In breve, il mio problema è simile a quello menzionato in this thread.

C'è un modo per estrarre il contenuto tra due segnalibri?

In tal caso, quale dovrebbe essere il cambiamento nel mio codice?

Answer 1

Immagino che il tuo segnalibro non contenga i dati corretti.

suona come il segnalibro che si sta utilizzando è rivolto solo alla pagina di in cui il vostro inizio del contenuto, piuttosto che una posizione sulla pagina.

Ecco un esempio di un segnalibro che contiene dati di posizione:

<Title Action="GoTo" Style="bold" Page="2 FitH 518"> 
Title Name 
</Title>