怎么用java读取pdf文件内容

Posted

tags:

篇首语:本文由小常识网(cha138.com)小编为大家整理,主要介绍了怎么用java读取pdf文件内容相关的知识,希望对你有一定的参考价值。

你可以把pdf转成word在进行读取
推荐使用转转大师pdf转word转换器,免费的在线工具
百度搜索下,在线免费转换就行了,不用下载注册,很方便
参考技术A

可以使用Spire.PDF for Java来读取PDF文档内容。首先,您需要在 Java 程序中添加 Spire.Pdf.jar 文件作为依赖项。您可以从这个链接下载 JAR 文件;如果您使用 Maven,则可以通过在 pom.xml 文件中添加以下代码导入 JAR 文件。

<repositories>
<repository>
<id>com.e-iceblue</id>
<url>https://repo.e-iceblue.cn/repository/maven-public/</url>
</repository></repositories><dependencies>
<dependency>
<groupId>e-iceblue</groupId>
<artifactId>spire.pdf</artifactId>
<version>5.3.1</version>
</dependency></dependencies>

提取/读取PDF文档的文本内容

Java代码如下:

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");

//创建StringBuilder实例
StringBuilder sb = new StringBuilder();

PdfPageBase page;
//遍历PDF页面,获取每个页面的文本并添加到StringBuilder对象
for(int i= 0;i<doc.getPages().getCount();i++)
page = doc.getPages().get(i);
sb.append(page.extractText(true));

FileWriter writer;
try
//将StringBuilder对象中的文本写入到文本文件
writer = new FileWriter("ExtractText.txt");
writer.write(sb.toString());
writer.flush();
catch (IOException e)
e.printStackTrace();


doc.close();


希望能帮助到您。

java读取pdf内容

我想通过java来读取pdf内容,然后把读取到的内容存到表里。我以前用过iText插件,但是现在手头没有现成代码,早就忘记了。请帮忙给我一个读取pdf的代码,还有个问题就是,如果pdf中有表格,该怎么保存这个内容呢?帮忙写个Demo给我吧(把第三方jar放里面)

参考技术A 用Java简单的读取pdf文件中的数据:
第一步:下载PDFBox-0.7.2.jar。提供一个下载地址:http://pdfhome.hope.com.cn/Resource.aspx?CID=63844604-5253-4ae1-b023-258c9e324061&RID=20cd8f94-1cee-40b6-a3df-0ef024f8e0d2解压后,把lib文件下的PDFBox-0.7.2.jar,PDFBox-0.7.2-log4j.jar放到你classpath路径下。(我把源码以及jar包都放到下面的附件里,方面你的使用。)
第二步:写个简单的读取pdf文件的程序。(PdfReader.java)
import java.io.File;
import java.io.FileOutputStream;
import java.io.OutputStreamWriter;
import java.io.Writer;
import java.net.MalformedURLException;
import java.net.URL;
import org.pdfbox.pdmodel.PDDocument;
import org.pdfbox.util.PDFTextStripper;
public class PdfReader
public void readFdf(String file) throws Exception
// 是否排序
boolean sort = false;
// pdf文件名
String pdfFile = file;
// 输入文本文件名称
String textFile = null;
// 编码方式
String encoding = "UTF-8";
// 开始提取页数
int startPage = 1;
// 结束提取页数
int endPage = Integer.MAX_VALUE;
// 文件输入流,生成文本文件
Writer output = null;
// 内存中存储的PDF Document
PDDocument document = null;
try
try
// 首先当作一个URL来装载文件,如果得到异常再从本地文件系统//去装载文件
URL url = new URL(pdfFile);
//注意参数已不是以前版本中的URL.而是File。
document = PDDocument.load(pdfFile);
// 获取PDF的文件名
String fileName = url.getFile();
// 以原来PDF的名称来命名新产生的txt文件
if (fileName.length() > 4)
File outputFile = new File(fileName.substring(0, fileName
.length() - 4)
+ ".txt");
textFile = outputFile.getName();

catch (MalformedURLException e)
// 如果作为URL装载得到异常则从文件系统装载
//注意参数已不是以前版本中的URL.而是File。
document = PDDocument.load(pdfFile);
if (pdfFile.length() > 4)
textFile = pdfFile.substring(0, pdfFile.length() - 4)
+ ".txt";


// 文件输入流,写入文件倒textFile
output = new OutputStreamWriter(new FileOutputStream(textFile),
encoding);
// PDFTextStripper来提取文本
PDFTextStripper stripper = null;
stripper = new PDFTextStripper();
// 设置是否排序
stripper.setSortByPosition(sort);
// 设置起始页
stripper.setStartPage(startPage);
// 设置结束页
stripper.setEndPage(endPage);
// 调用PDFTextStripper的writeText提取并输出文本
stripper.writeText(document, output);
finally
if (output != null)
// 关闭输出流
output.close();

if (document != null)
// 关闭PDF Document
document.close();



/**
* @param args
*/
public static void main(String[] args)
// TODO Auto-generated method stub
PdfReader pdfReader = new PdfReader();
try
// 取得E盘下的SpringGuide.pdf的内容
pdfReader.readFdf("E:\\SpringGuide.pdf");
catch (Exception e)
e.printStackTrace();



这样就简单的完成了从pdf中读取数据了。在你的pdf文件所在的目录下生成一个同名的txt文件。追问

附件在哪?那个下载地址是无效的

参考技术B

Java读取PDF文件:

    下载Spire.Pdf for Java,导入jar。(也可以从maven仓库安装)

    读取PDF文件中的文本内容:

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();       
       

读取图片也是支持的,你可以自己试一下,但是PDF中是没有表格的概念的,表格是画到页面上的,和office文件中的表格不一样,只能通过从PDF页面指定矩形范围内提取数据来实现提取表格内容

以上是关于怎么用java读取pdf文件内容的主要内容,如果未能解决你的问题,请参考以下文章

JAVA IO流复制文件内容

java 已经获取pdf代码,如何把他pdf文件保存到本机 要求用输出流做

我想问下 JAVA中 如何读取PDF文件里面的内容 谁给个详细的 例子 谢谢

怎么用php读取并显示另一个php文件的内容?

java 如何读取PDF文件内容

用JAVA能把Word和PDF文档的表格内容和格式识别出来吗