在Java项目中处理PDF文档时，经常需要删除文档内的特定段落，iText 7作为成熟的PDF操作库，提供了完善的文档解析和修改能力，能够实现精准的段落删除操作。
环境准备
首先需要在项目中引入iText 7的依赖，如果使用Maven构建项目，在pom.xml中添加以下依赖配置：
<dependency>
<groupId>com.itextpdf</groupId>
<artifactId>itext7-core</artifactId>
<version>7.2.5</version>
</dependency>
核心实现思路
精准删除PDF段落的核心逻辑分为三步：
- 读取目标PDF文档，解析文档中的所有段落内容，记录每个段落的文本和对应的页面位置信息
- 根据预设的匹配规则，筛选出需要删除的目标段落
- 通过iText 7的文档修改能力，移除目标段落对应的内容区域
关键API说明
文档解析相关
使用PdfDocument类加载PDF文档，PdfPage类获取页面内容，TextExtractionStrategy接口的实现类可以提取页面中的文本内容，同时能够获取每个文本块的位置坐标。
内容删除相关
iText 7中没有直接删除段落的API，需要通过PdfCanvas类对目标区域进行覆盖，或者重新构建不包含目标段落的文档内容来实现删除效果。
完整实现代码
以下示例实现了删除PDF中包含指定关键词的段落的功能：
import com.itextpdf.kernel.pdf.*;
import com.itextpdf.kernel.pdf.canvas.PdfCanvas;
import com.itextpdf.kernel.pdf.canvas.PdfCanvasConstants;
import com.itextpdf.kernel.pdf.xobject.PdfFormXObject;
import com.itextpdf.layout.Document;
import com.itextpdf.layout.element.Paragraph;
import com.itextpdf.layout.property.TextAlignment;
import com.itextpdf.text.pdf.parser.*;
import java.io.File;
import java.util.ArrayList;
import java.util.List;
public class PdfParagraphDeleter {
public static void main(String[] args) throws Exception {
// 源PDF路径
String sourcePath = "source.pdf";
// 输出PDF路径
String targetPath = "target.pdf";
// 需要删除的段落包含的关键词
String targetKeyword = "待删除段落关键词";
deleteParagraphByKeyword(sourcePath, targetPath, targetKeyword);
System.out.println("段落删除完成");
}
/**
* 删除PDF中包含指定关键词的段落
* @param sourcePath 源PDF路径
* @param targetPath 输出PDF路径
* @param keyword 目标段落关键词
*/
public static void deleteParagraphByKeyword(String sourcePath, String targetPath, String keyword) throws Exception {
// 加载源PDF
PdfDocument pdfDoc = new PdfDocument(new PdfReader(sourcePath), new PdfWriter(targetPath));
Document document = new Document(pdfDoc);
// 存储需要删除的段落位置信息
List<ParagraphPosition> targetPositions = new ArrayList<>();
// 遍历所有页面，提取段落位置
for (int i = 1; i <= pdfDoc.getNumberOfPages(); i++) {
PdfPage page = pdfDoc.getPage(i);
// 使用文本提取策略获取页面文本和位置
TextExtractionStrategy strategy = new LocationTextExtractionStrategy();
String pageText = PdfTextExtractor.getTextFromPage(page, strategy);
// 简单段落匹配逻辑，实际可根据需求调整
if (pageText.contains(keyword)) {
// 这里简化位置获取逻辑，实际可通过解析TextRenderInfo获取精确坐标
// 假设匹配到的内容占满当前页面，实际需根据段落的实际位置计算
float x = 0;
float y = 0;
float width = page.getPageSize().getWidth();
float height = page.getPageSize().getHeight();
targetPositions.add(new ParagraphPosition(i, x, y, width, height));
}
}
// 处理每个需要删除的段落
for (ParagraphPosition pos : targetPositions) {
PdfPage page = pdfDoc.getPage(pos.pageNum);
PdfCanvas canvas = new PdfCanvas(page);
// 设置填充色为白色，覆盖目标区域
canvas.setFillColorRgb(255, 255, 255);
// 绘制白色矩形覆盖段落区域
canvas.rectangle(pos.x, pos.y, pos.width, pos.height);
canvas.fill();
}
document.close();
pdfDoc.close();
}
/**
* 段落位置信息存储类
*/
static class ParagraphPosition {
int pageNum;
float x;
float y;
float width;
float height;
public ParagraphPosition(int pageNum, float x, float y, float width, float height) {
this.pageNum = pageNum;
this.x = x;
this.y = y;
this.width = width;
this.height = height;
}
}
}
注意事项
- 上述示例中的段落位置匹配逻辑较为简单，实际场景中如果需要精准匹配段落，需要解析
TextRenderInfo获取每个文本块的具体坐标，判断文本是否属于同一个段落 - 覆盖方式删除段落会保留原文档的段落占位空间，如果需要完全移除段落并调整后续内容布局，需要重新构建PDF文档内容
- 操作前建议备份原始PDF文档，避免误操作导致内容丢失
- iText 7的AGPL版本要求开源项目使用，如果是商业项目需要购买对应的商业授权