Android Studio中如何提取PDF指定区域的文本？

错误信息翻译 #

不兼容的类型：Rect无法转换为Rectangle2D

直接解决Rect与Rectangle2D的兼容问题 #

PDFBox的addRegion方法仅支持Java的Rectangle2D类，而Android的Rect是独立实现的矩形类，无法直接传入。只需手动转换坐标即可：

坐标转换代码示例 #

// 你定义的Android Rect区域
Rect androidRect = new Rect(100, 200, 300, 400);
PDPage targetPage = document.getPage(1);
float pageHeight = targetPage.getMediaBox().getHeight();

// 转换为PDFBox支持的Rectangle2D.Double
// 注意：PDF坐标系以左下角为原点，需反转Y轴
Rectangle2D pdfRegion = new Rectangle2D.Double(
    androidRect.left,
    pageHeight - androidRect.bottom,
    androidRect.width(),
    androidRect.height()
);

// 正常调用addRegion
stripper.addRegion("class1", pdfRegion);

完整修正后的PDFBox代码 #

try {
    // Android中注意文件路径权限，建议用ContentResolver获取文件流
    PDDocument document = PDDocument.load(new File("/sdcard/test.pdf"));
    PDFTextStripperByArea stripper = new PDFTextStripperByArea();
    stripper.setSortByPosition(true);

    Rect androidRect = new Rect(100, 200, 300, 400);
    PDPage page = document.getPage(1);
    float pageHeight = page.getMediaBox().getHeight();

    Rectangle2D pdfRegion = new Rectangle2D.Double(
        androidRect.left,
        pageHeight - androidRect.bottom,
        androidRect.width(),
        androidRect.height()
    );

    stripper.addRegion("class1", pdfRegion);
    stripper.extractRegions(page);
    String extractedText = stripper.getTextForRegion("class1");
    Log.d("PDF提取结果", extractedText);

    document.close();
} catch (IOException e) {
    e.printStackTrace();
}

替代方案：使用Android适配的PDF库 #

如果觉得PDFBox的适配步骤繁琐，可以选择这些更适合移动端的库：

• iText 7 for Android：官方适配Android的PDF处理库，API简洁，支持区域文本提取。

  try {
      PdfDocument pdfDoc = new PdfDocument(new PdfReader("test.pdf"));
      PdfPage page = pdfDoc.getPage(2); // iText页码从1开始
      PageSize pageSize = page.getPageSize();
      
      // 转换Android Rect到iText的Rectangle（适配PDF坐标系）
      Rectangle pdfRect = new Rectangle(
          androidRect.left,
          pageSize.getHeight() - androidRect.bottom,
          androidRect.width(),
          androidRect.height()
      );
      
      TextExtractionStrategy strategy = new LocationTextExtractionStrategy();
      String extractedText = PdfTextExtractor.getTextFromPage(page, strategy, pdfRect);
      Log.d("iText提取结果", extractedText);
      
      pdfDoc.close();
  } catch (IOException e) {
      e.printStackTrace();
  }
  

• MuPDF：轻量级高性能PDF库，支持区域文本提取，适合对性能要求高的场景。

内容的提问来源于stack exchange，提问作者dfhng2wwr