Информация о шрифте текста в PDF с использованием PDFBox

Используемый вами класс PDFTextStripper задокументирован (см. Его комментарий JavaDoc) следующим образом:

* This class will take a pdf document and strip out all of the text and ignore the
* formatting and such.

Следовательно, чтобы получить конкретную информацию о шрифте, вы должны ее несколько изменить.

Информация о шрифте доступна в этом классе все время и отбрасывается только при выводе строки, посмотрите на его source:

protected void writePage() throws IOException
{
    [...]
    for( int i = 0; i < charactersByArticle.size(); i++)
    {
        [...]
        List<TextPosition> line = new ArrayList<TextPosition>();
        [...]
        while( textIter.hasNext() )
        {
            [...]
            if( lastPosition != null )
            {
                [...]
                if(!overlap(positionY, positionHeight, maxYForLine, maxHeightForLine))
                {
                    writeLine(normalize(line,isRtlDominant,hasRtl),isRtlDominant);
                    line.clear();
                    [...]
                }
............

Экземпляры TextPosition в этом списке line по-прежнему имеют всю доступную информацию о форматировании, в том числе используемый шрифт, только при "нормализации" line он сокращается до чистых символов.

Следовательно, чтобы сохранить информацию о шрифте, у вас есть разные варианты, в зависимости от того, как вы хотите получить информацию о шрифте:

• Если вы хотите продолжить получение всей информации о содержимом страницы (включая шрифты) в одной строке через getText: вы меняете метод

  private List<String> normalize(List<TextPosition> line, boolean isRtlDominant, boolean hasRtl)
  

  для включения некоторых тегов шрифтов (например, [Arial]) по вашему выбору при изменении шрифта. К сожалению, этот метод частный. Таким образом, вам нужно скопировать весь _ 10_ и измените код копии.

• Если вы хотите получить конкретную информацию о шрифте в другой структуре (например, как List<List<TextPosition>>), вы можете получить свой собственный класс стриппера из _ 12_, добавьте переменную желаемого типа и переопределите protected метод writePage, упомянутый выше, скопировав его и только усиление прямо до или после строки

  writeLine(normalize(line,isRtlDominant,hasRtl),isRtlDominant);
  

  с кодом, добавляющим информацию в вашу новую переменную. Например.

  public class MyPDFTextStripper extends PDFTextStripper
  {
      public List<List<TextPosition>> myLines = new ArrayList<List<TextPosition>>();
      [...]
                  if(!overlap(positionY, positionHeight, maxYForLine, maxHeightForLine))
                  {
                      writeLine(normalize(line,isRtlDominant,hasRtl),isRtlDominant);
                      myLines.add(new ArrayList<TextPosition>(line));
                      line.clear();
                      [...]
                  }
  

  Теперь вы можете вызвать getText для экземпляра вашего MyPDFTextStripper, получить в качестве результата простой текст и получить доступ к дополнительным данным через новую переменную.

Чтобы добавить больше шрифтов, кроме шрифта библиотеки, вам нужно специально добавить файл шрифтов.