PDFTextStream 是为了满足最迫切的 PDF 文本以及元数据内容提取需求而产生的（非开源）。

其 API 非常全面，并且包括以下特征：

• 广泛支持 PDF 文件格式规范以及所有未知变量.
• 完全的 Unicode-capable 文本提取工具，包括支持提取以水平或者垂直模式书写的 Chinese, Japanese, 以及 Korean 文本。
• 完全支持更新交互式 AcroForms （包括文本、检查框、单选按钮以及选择自动）。
• 能够全面的访问 PDF 文档元数据。
  • 简单的 key/value 属性.
  • Adobe XMP – XML 元数据访问.
• 经由 com.snowtide.pdf.Page 的页面级对象模式, 提供了指定页面的文本提取，以及页面属性（高、宽、旋转角度等）。
• Acroform （交互式表格）数据提取.
• PDF 书签访问.
• PDF 注释访问（包括 Link(web URL) 注释）.
• 无缝地整合了.
• EncryptionInfo API:提供了对 PDF 文档加密参数的访问.
• 用于超级快速文本提取的文本管道 API 提供了用于自定义 PDF 文本提取是如何格式化的钩子（如当需要维护每一页的视觉布局时）。
• 自带了选择性文本提取，这非常适合于从固定格式表中提取数据.
• 能够任意的对内存进行操作.
• 自带了 PDF 合并功能.
• 提供了从 PDF 到 HTML 的输出器.
• PDFTextStream 的子类 java.io.Reader, 它提供了一个简单、熟悉的接口，并且能够直接与期望 java.io.Reader 实例的现存组件进行整合。
• 灵活的日志工具包钩子。
  • 能够登录到 standard out, Log4J, 以及 java.util.logging 工具包中。
  • 能耐插入自定义的登录实现.

您可能感兴趣的文章: