PDFTextStream

PDFTextStream項目是可用於Java，Python和.NET中的PDF文本和元數據提取庫。
它支持所有版本的PDF文檔規範的，（包括V1.6，使用的Acrobat 7），提取文本使用雙字節字符集（包括中國，日本，韓國和），40位和128位解密編碼位加密的文件，並通過提取PDF文件（包括表格數據，書籤和註釋）提供的所有文件的元數據。
與雅加達Lucene的易於集成包括

什麼是此版本中的新：

• 在該版本包含了多種修復發確保PDFTextStream能夠提取所不合格的PDF規範PDF文檔的文本。
• 在其中還包括了各種性能增強。

什麼是新的在2.3.0版本：

• 在增加了一個.isStruckThrough（）方法融為一體。 snowtide.pdf.TextUnit，指示字符是否具有穿過它畫出的刪除線。
• 在改進PDFTextStream的支持嵌入式字符映射。
• 在字與字之間空白的計算已經被固定為適當的解釋是在源PDF文檔中明確編碼的空白。
• 在改進的複合內容編碼，這在以前是無法產生的PDF內容一定範圍內開採過程中被“忽略”的PDFTextStream的處理。
• 修正了VisualOutputTarget一個錯誤的地方，從一個單行文本將拆分為多行
• 在文本的改進垂直對齊方式提取出來，使用VisualOutputTarget
• 在改進的VisualOutputTarget生產提取物，消除緊密相鄰字之間的寄生額外的空格

什麼是2.2.5版本，新的：

• 在這個版本增加了對提取XFA表單數據作為支撐XML。
• 在這顯著提高使用VisualOutputTarget文本提取的性能。支持PDF文件大於2GB。
• 在一個錯誤的地方，從嵌入的Type1字體的編碼以前未在某些情況下正確應用的修復。
• 在對凡在更新PDF文件更新的內容有時被忽視的問題的修復程序。
• 在哪裡PDFDocEncoding的編碼書籤和元數據沒有被正確解碼的問題的修復程序。
• 系統.getDestinationName（）在com.snowtide.pdf.Bookmark方法。

要求：

• 在Apache的Lucene的