Java 读取PDF文本内容

我不是女神ヾ 2024-02-18 23:40 80阅读 0赞

本文将介绍如何在Java应用程序中读取PDF文件的文本内容。(*读取图片也支持，参考这篇文章*[Java 提取PDF文档中的图片][Java _PDF])

在Java应用程序中读取PDF，我们可以借助第三方PDF控件，本文所使用的控件是免费Java PDF组件[Free Spire.PDF for JAVA][]。

在使用以下代码前，你需要[下载Free Spire.PDF for JAVA包][Free Spire.PDF for JAVA 1]并解压缩，然后从**lib**文件夹下，导入**Spire.Pdf.jar**包和**Spire.Common.jar**包到你的Java应用程序中：（**更正：**以前的旧版本有2个jar包，现在的新版本糅合到一个jar包了）

![70][]

Extract\_Text.Java

import com.spire.pdf.PdfDocument;
    import com.spire.pdf.PdfPageBase;
    import java.io.*;
    
    public class Extract_Text {
    
           public static void main(String[] args) {
                 
               //创建PdfDocument实例
               PdfDocument doc= new PdfDocument();
    
               //加载PDF文件
               doc.loadFromFile("test.pdf");       
    
               StringBuilder sb= new StringBuilder();       
    
               PdfPageBase page;
           
               //遍历PDF页面，获取文本
               for(int i=0;i<doc.getPages().getCount();i++){
                   page=doc.getPages().get(i);
                   sb.append(page.extractText(true));
               }
    
               FileWriter writer;
    
               try {
                   //将文本写入文本文件
                   writer = new FileWriter("ExtractText.txt"); 
                   writer.write(sb.toString());
                   writer.flush();
               } catch (IOException e) {
                  e.printStackTrace();
               }
    
               doc.close();       
           }

PDF文件：

![70 1][]

输出文本文件：

![70 2][]

[Java _PDF]: https://blog.csdn.net/Eiceblue/article/details/83586380
[Free Spire.PDF for JAVA]: http://e-iceblue.cn/Introduce/Free-Spire-PDF-JAVA.html
[Free Spire.PDF for JAVA 1]: http://e-iceblue.cn/Downloads/Free-Spire-PDF-JAVA.html
[70]: https://image.dandelioncloud.cn/pgy_files/images/2024/01/29/e306f86c23fe40648c9fa32f61fee255.png
[70 1]: https://image.dandelioncloud.cn/pgy_files/images/2024/01/29/2bb5e620a85745648ea19dbe43c21021.png
[70 2]: https://image.dandelioncloud.cn/pgy_files/images/2024/01/29/6deed02ef2be40ffb0509aba6cd19e1e.png