您可以使用PDFBox的 PDFTextStripperByArea 类从文档的特定区域提取文本。您可以在此基础上通过标识表的每个单元格的区域来构建。这不是现成的，但示例 DrawPrintTextLocations 类演示了如何解析文档中单个字符的边界框(解析字符串或段落的边界框很好，但我还没有看到PDFBox中对此的支持-请参阅此 question )。您可以使用此方法对所有接触边界框进行分组，以标识表格的不同单元格。要做到这一点，一种方法是维护一组 Rectangle2D 区域的 boxes ，然后对于每个解析的字符，找到与 DrawPrintTextLocations.writeString(String string, List<TextPosition> textPositions) 中一样的字符边界框，并将其与现有内容合并。

Rectangle2D bounds = s.getBounds2D();
// Pad sides to detect almost touching boxes
Rectangle2D hitbox = bounds.getBounds2D();
final double dx = 1.0; // This value works for me, feel free to tweak (or add setter)
final double dy = 0.000; // Rows of text tend to overlap, so no need to extend
hitbox.add(bounds.getMinX() - dx , bounds.getMinY() - dy);
hitbox.add(bounds.getMaxX() + dx , bounds.getMaxY() + dy);
// Find all overlapping boxes
List<Rectangle2D> intersectList = new ArrayList<Rectangle2D>();
for(Rectangle2D box: boxes) {
    if(box.intersects(hitbox)) {
        intersectList.add(box);
// Combine all touching boxes and update
for(Rectangle2D box: intersectList) {
    bounds.add(box);
    boxes.remove(box);
boxes.add(bounds);

然后，您可以将这些区域传递给 PDFTextStripperByArea 。

您还可以更进一步，分离出这些区域的水平和垂直组件，从而推断出所有表格单元格的区域，而不管是否包含任何内容。

我有理由执行这些步骤，并最终使用 PDFBox 编写了我自己的 PDFTableStripper 类。我已经以 gist on GitHub 的形式分享了我的代码。 main method 提供了一个如何使用该类的示例：

try (PDDocument document = PDDocument.load(new File(args[0])))
    final double res = 72; // PDF units are at 72 DPI
    PDFTableStripper stripper = new PDFTableStripper();
    stripper.setSortByPosition(true);
    // Choose a region in which to extract a table (here a 6"wide, 9" high rectangle offset 1" from top left of page)
    stripper.setRegion(new Rectangle(
        (int) Math.round(1.0*res), 
        (int) Math.round(1*res), 
        (int) Math.round(6*res), 
        (int) Math.round(9.0*res)));
    // Repeat for each page of PDF
    for (int page = 0; page < document.getNumberOfPages(); ++page)
        System.out.println("Page " + page);
        PDPage pdPage = document.getPage(page);
        stripper.extractTable(pdPage);
        for(int c=0; c<stripper.getColumns(); ++c) {
            System.out.println("Column " + c);
            for(int r=0; r<stripper.getRows(); ++r) {
                System.out.println("Row " + r);
                System.out.println(stripper.getText(r, c));
}