java使用itex读取pdf，并搜索关键字，为其盖章

导读：近期要做一个根据关键字定位pdf的盖章位置的相关需求，其中关键字可配置多个（包含pdf文档中可能不存在的关键字），当页面显示盖章完成时，打开pdf显示已经损坏。 
排查后发现，当itext搜索的关键字在pdf文档中不存在时，就已经将结果返回到前台界面，这时itex读取的流还未关闭，导致pdf读取未结束，pdf文档才被损坏。 
下面是读取pdf的操作，记录一下： 
所需包： itext-2.06.jar itext-asian,jar itextpdf-5.4.0.jar

 /****搜索关键字操作：****/
   /*sourcePDF: pdf的文档路径
   splitParentkeyValues[i]:关键字，其中对关键字进行特殊符号的过滤，不然会导致后面的匹配结果有误。*/
   matches = MatchItemUtil.matchPage(sourcePDF, splitParentkeyValues[i]);

 /*找出关键字后，将要盖章的图片准确定位到关键字周围，也可以采用坐标的方式**/
 MatchItem matchItem  = new MatchItem();
 int pageNum = matches.get(j).getPageNum();
 float pageWidth = reader.getPageSize(pageNum).getWidth();
 float pageHeight = reader.getPageSize(pageNum).getHeight();
 matchItem.setX(matches.get(j).getX()-splitParentkeyValues.length * 20);
 matchItem.setY(matches.get(j).getY() - 150 / 1.527731f);
 img.setAbsolutePosition(matchItem.getX(), matchItem.getY());// 位置
 PdfContentByte over = stamp.getOverContent(pageNum);
 over.addImage(img);

1. //根据关键字和pdf路径，全文搜索关键字

 /**

 查找所有
 @param fileName 文件路径
 @param keyword 关键词
 @return
 @throws Exception
 */
 public static List matchPage(String fileName,String keyword) throws Exception {
 List items = new ArrayList();
 PdfReader reader = new PdfReader(fileName);
 int pageSize = reader.getNumberOfPages();
 for(int page = 1;page <= pageSize;page++){
 items.addAll(matchPage(reader,page,keyword));
 }
 return items;
 }

2. 根据关键字、文档路径、pdf页数寻找特定的文件内容

 /**

 在文件中寻找特定的文字内容
 @param reader
 @param pageNumber
 @param keyword
 @return
 @throws Exception
 */
 public static List matchPage(PdfReader reader, Integer pageNumber,String keyword) throws Exception {
 KeyWordPositionListener renderListener = new KeyWordPositionListener();
 renderListener.setKeyword(keyword);
 PdfReaderContentParser parse = new PdfReaderContentParser(reader);
 Rectangle rectangle = reader.getPageSize(pageNumber);
 renderListener.setPageNumber(pageNumber);
 renderListener.setCurPageSize(rectangle);
 parse.processContent(pageNumber, renderListener);
 return findKeywordItems(renderListener,keyword);
 }

3. 找到匹配的关键词块

/**

找到匹配的关键词块
@param renderListener
@param keyword
@return
*/
public static List findKeywordItems(KeyWordPositionListener renderListener,String keyword){
//先判断本页中是否存在关键词
List allItems = renderListener.getAllItems();//所有块LIST
StringBuffer sbtemp = new StringBuffer(“”);
for(MatchItem item : allItems){//将一页中所有的块内容连接起来组成一个字符串。
sbtemp.append(item.getContent());
}
if(sbtemp.toString().indexOf(keyword) == -1){//一页组成的字符串没有关键词，直接return
return renderListener.getMatches();
}
//第一种情况：关键词与块内容完全匹配的项
List matches = renderListener.getMatches();
//第二种情况：多个块内容拼成一个关键词，则一个一个来匹配，组装成一个关键词
sbtemp = new StringBuffer(“”);
List tempItems = new ArrayList();
for(MatchItem item : allItems){
//1，关键词中存在某块 2，拼装的连续的块=关键词 3，避开某个块完全匹配关键词
//关键词 中国移动 而块为 中 ，国，移动
//关键词 中华人民 而块为中，华人民* 这种情况解决不了，也不允许存在
if(keyword.indexOf(item.getContent()) != -1 && !keyword.equals(item.getContent())){
tempItems.add(item);
sbtemp.append(item.getContent());
if(keyword.indexOf(sbtemp.toString()) == -1){//如果暂存的字符串和关键词 不再匹配时
sbtemp = new StringBuffer(item.getContent());
tempItems.clear();
tempItems.add(item);
}
if(sbtemp.toString().equalsIgnoreCase(keyword)){//暂存的字符串正好匹配到关键词时
MatchItem tmpitem = getRightItem(tempItems, keyword);
if(tmpitem != null){
matches.add(tmpitem);//得到匹配的项
}
sbtemp = new StringBuffer(“”);//清空暂存的字符串
tempItems.clear();//清空暂存的LIST
continue;//继续查找
}
}else{//如果找不到则清空
sbtemp = new StringBuffer(“”);
tempItems.clear();
}
}
//第三种情况：关键词存在块中
for(MatchItem item : allItems){
if(item.getContent().indexOf(keyword) != -1 && !keyword.equals(item.getContent())){
matches.add(item);
}
}
return matches;
}

public static MatchItem getRightItem(List<MatchItem> tempItems,String keyword){
for(MatchItem item:tempItems){
　　　　if(keyword.indexOf(item.getContent()) != -1 && !keyword.equals(item.getContent())){
　　　　　　return item;
　　　　}
　　} return null;
}

4. KeyWordPositionListener用来匹配pdf的关键词

import java.util.ArrayList;
import java.util.List;

import org.apache.log4j.Logger;
import org.drools.util.StringUtils;

import com.itextpdf.awt.geom.Rectangle2D;
import com.itextpdf.text.Rectangle;
import com.itextpdf.text.pdf.parser.ImageRenderInfo;
import com.itextpdf.text.pdf.parser.RenderListener;
import com.itextpdf.text.pdf.parser.TextRenderInfo;
public class KeyWordPositionListener implements RenderListener {
private static Logger logger = Logger.getLogger(KeyWordPositionListener.class);
private List<MatchItem> matches = new ArrayList<MatchItem>();
private List<MatchItem> allItems = new ArrayList<MatchItem>();
private Rectangle curPageSize;

/**
 * 匹配的关键字
 */
private String keyword;
/**
 * 匹配的当前页
 */
private Integer pageNumber;

public void beginTextBlock() {
    //do nothing
}

public void renderText(TextRenderInfo renderInfo) {
    String content = renderInfo.getText();
    content = content.replace("<", "").replace("《", "").replace("(", "").replace("（", "").replace("\"", "").replace("'", "")
                     .replace(">", "").replace("》", "").replace(")", "").replace("）", "").replace("、", "").replace(".", "")
                     .replace("：", "").replace(":", "").replace(" ", "");
    Rectangle2D.Float textRectangle = renderInfo.getDescentLine().getBoundingRectange();
    MatchItem item = new MatchItem();
    item.setContent(content);
    item.setPageNum(pageNumber);
    item.setPageWidth(curPageSize.getWidth());
    item.setPageHeight(curPageSize.getHeight());
    item.setX((float)textRectangle.getX());
    item.setY((float)textRectangle.getY());
    if(!StringUtils.isEmpty(content)){
        if(content.equalsIgnoreCase(keyword)) {
            matches.add(item);
        }
    }else{
        item.setContent("空字符串");
    }
    allItems.add(item);//先保存所有的项
}

public void endTextBlock() {
    //do nothing
}

public void renderImage(ImageRenderInfo renderInfo) {
    //do nothing
}

/**
 * 设置需要匹配的当前页
 * @param pageNumber
 */
public void setPageNumber(Integer pageNumber) {
    this.pageNumber = pageNumber;
}

/**
 * 设置需要匹配的关键字，忽略大小写
 * @param keyword
 */
public void setKeyword(String keyword) {
    this.keyword = keyword;
}

/**
 * 返回匹配的结果列表
 * @return
 */
public List<MatchItem> getMatches() {
    return matches;
}

void setCurPageSize(Rectangle rect) {
    this.curPageSize = rect;
}

public List<MatchItem> getAllItems() {
    return allItems;
}

public void setAllItems(List<MatchItem> allItems) {
    this.allItems = allItems;
}
}

5. 用来保存关键字新建的对象

public class MatchItem {
private Integer pageNum;
private Float x;
private Float y;
private Float pageWidth;
private Float pageHeight;
private String content;
public Integer getPageNum() {
    return pageNum;
}
public void setPageNum(Integer pageNum) {
    this.pageNum = pageNum;
}
public Float getX() {
    return x;
}
public void setX(Float x) {
    this.x = x;
}
public Float getY() {
    return y;
}
public void setY(Float y) {
    this.y = y;
}
public Float getPageWidth() {
    return pageWidth;
}
public void setPageWidth(Float pageWidth) {
    this.pageWidth = pageWidth;
}
public Float getPageHeight() {
    return pageHeight;
}
public void setPageHeight(Float pageHeight) {
    this.pageHeight = pageHeight;
}
public String getContent() {
    return content;
}
public void setContent(String content) {
    this.content = content;
}

public String toString() {
    return "MatchItem [pageNum=" + pageNum + ", x=" + x + ", y=" + y
            + ", pageWidth=" + pageWidth + ", pageHeight=" + pageHeight
            + ", content=" + content + "]";
}
}