У меня есть http://laws-lois.justice.gc.ca/PDF/A-8.8.pdf, который я пытаюсь проанализировать с помощью PDFBox, который имеет 2 столбца. Я хочу, чтобы текст анализировался так, чтобы столбцы были разделены, однако, когда я запускаю его через PDFBox, он не разделяет два столбца, а объединяет строки из обоих столбцов вместе.
Я прочитал https://issues.apache.org/jira/browse/PDFBOX-448, в котором говорится, что в некоторых PDF-файлах нет статей/бусинок, которые могут использоваться, и поэтому синтаксический анализ всегда будет неправильным. Я пробовал использовать Stripper.setShouldSeparateByBeads(true)
Как я могу проверить, есть ли у него бусины или нет? Я не нашел никаких материалов для чтения по этой концепции, за исключением вопросов о синтаксическом анализе столбцов PDFBox.
Подробнее здесь: https://stackoverflow.com/questions/398 ... heck-beads
