[PDFBOX-5492] The order of text extracted from PDF by PDFTextStripper is incorrect.

• Type: Bug
• Status: Closed
• Priority: Major
• Resolution: Not A Bug
• Affects Version/s: 2.0.26
• Component/s: Documentation, PDModel
• Environment: Windows 11 + Intellij + Spark3.12 + scala2.12
• Flags: Patch
• Assignee: Unassigned
• Reporter: Fred Yu
• Created: 12/Aug/22 12:25
• Updated: 12/Aug/22 14:34
• Resolved: 12/Aug/22 14:34

Description

 With  pdfbox version 2.0.6

following code get the text extracted from the pdf file which attached in Attachment:

def getTextFromPdf(filename: String):Some[String] = {
    var textContent :Some[String]= null
         try {
              val doc :PDDocument = PDDocument.load(new File(filename))
              val docInfo :PDDocumentInformation = doc.getDocumentInformation();
              val stripper = new PDFTextStripper
              stripper.setStartPage(1)
              stripper.setEndPage(1)
              textContent = Some(stripper.getText(doc))

 

Output:

    ...........

• (1) Written Premium Collected by the Bank 0.00US$                     0.00US$                               0.00US$                      0.00US$                        0.00US$                          0.00US$                         
  (2) Increase (Decrease) in Uearned Premium Reserve 0.00US$                     (72.04)US$                          (72.04)US$                  0.00US$                        (272.31)US${color}                    (272.31)US$                   
  (3) Earned Premium ((Reinsurance Premium) (1)- (2)) 0.00US$                     72.04US$                             72.04US$                     0.00US$                        272.31US$                       272.31US$                     
  (4) Currency Tax (Impuesto Divisas) [2% of (3)] 0.00US$                     1.44US$                               1.44US$                      0.00US$                        5.45US$                          5.45US$                         
  (5) Ceding Allowance [5.8% of (3)] $ 0.00 0.00US$                     4.18US$                               4.18US$                      0.00US$                        15.79US$                        15.79US$  

.........

Expect:  All the money field should be in correct order, like:

• Written Premium Collected by the Bank US$ 0.00                    US$0.00                               US$0.00                      US$0.00                       US$0.00                          US$0.00