Ronald Bergmann created PDFBOX-4904:
---------------------------------------
Summary: Bold text leads to wrong order - Text extraction
Key: PDFBOX-4904
URL: https://issues.apache.org/jira/browse/PDFBOX-4904
Project: PDFBox
Issue Type: Bug
Components: Parsing, PDModel
Affects Versions: 2.0.20
Environment: JDK 8
Reporter: Ronald Bergmann
Attachments: 152-0130-20-B-Ö-43.pdf
When extracting the text from a PDF bold text seems to be out of order under
some conditions.
{code:java}
try (PDDocument doc = PDDocument.load(new File("152-0130-20-B-Ö-43.pdf"))) {
PDFTextStripper stripper = new PDFTextStripper();
String contents = stripper.getText(doc);
System.out.println(contents);
}
{code}
See section w) - the text should be:
_*Präqualifizierte Unternehmen* führen den Nachweis der Eignung durch den
Eintrag in_
_die Liste des Vereins für die Präqualifikation von Bauunternehmen e.V._
_(Präqualifikationsverzeichnis). ..._
But it actually is:
_führen den Nachweis der Eignung durch den Eintrag in *Präqualifizierte
Unternehmen*_
_die Liste des Vereins für die Präqualifikation von Bauunternehmen e.V._
_(Präqualifikationsverzeichnis)._
I attached an example PDF.
--
This message was sent by Atlassian Jira
(v8.3.4#803005)
---------------------------------------------------------------------
To unsubscribe, e-mail: [email protected]
For additional commands, e-mail: [email protected]
