我正在和Apache Tika一起玩耍，以从PDF文件中提取文本。我想知道如何使用Apache Tika获得样式信息，例如字体大小，文本颜色，特定文本（几个单词）是否用斜体，粗体等表示？
是否有可能获得此类信息？
另外，我想是否可以使用Apache Tika获取表信息？信息，例如表的开始，第一行的开始，第一个单元格等。
使用另一个类似PDFTextStream的api可能更方便。Tika从pdf提取原始文本信息，而PDFTextStream为您提供具有相关信息的结构化文本，例如字符编码，高度，文本区域等。
本文收集自互联网，转载请注明来源。
如有侵权，请联系[email protected] 删除。
我来说两句