Java 读取PDF中的文本和图片

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Java 读取PDF中的文本和图片相关的知识,希望对你有一定的参考价值。

本文将介绍通过Java程序来读取PDF文档中的文本和图片的方法。分别调用方法extractText()和extractImages()来读取。

使用工具:Free Spire.PDF for Java(免费版)
Jar文件获取导入:
方法1:通过官网下载jar文件包。下载后,解压文件,并将lib文件夹下的Spire.Pdf.jar文件导入java程序。导入后如下图:

方法2: 可通过maven仓库安装导入,可参考导入方法

Java代码示例
【示例1】读取PDF中的文本

import com.spire.pdf.*;

import java.io.FileWriter;
import java.io.IOException;

public class ExtractText 
    public static void main(String[]args) throws Exception 
        //加载测试文档
        PdfDocument pdf = new PdfDocument("sample.pdf");

        //实例化StringBuilder类
        StringBuilder sb = new StringBuilder();
        //定义一个int型变量
        int index = 0;

        //遍历PDF文档中每页
        PdfPageBase page;
        for (int i= 0; i<pdf.getPages().getCount();i++) 
            page = pdf.getPages().get(i);
            //调用extractText()方法提取文本
            sb.append(page.extractText(true));
            FileWriter writer;
            try 
                //将StringBuilder对象中的文本写入到txt
                writer = new FileWriter("ExtractText.txt");
                writer.write(sb.toString());
                writer.flush();
             catch (IOException e) 
                e.printStackTrace();
            
          
        pdf.close();
        
    

文本读取结果:
技术图片

【示例2】读取PDF中的图片

import com.spire.pdf.*;
import javax.imageio.ImageIO;
import java.awt.image.BufferedImage;
import java.io.File;

public class ExtractImg 
    public static void main(String[] args) throws Exception
        //加载测试文档
        PdfDocument pdf = new PdfDocument();
        pdf.loadFromFile("test.pdf");

        //定义一个int型变量
        int index = 0;

        //遍历PDF每一页
        for (int i= 0;i< pdf.getPages().getCount(); i ++)
           //获取PDF页面
            PdfPageBase page = pdf.getPages().get(i);

            //使用extractImages方法获取页面上图片
            for (BufferedImage image : page.extractImages()) 

                //指定输出图片名称
                File output = new File( String.format("Image_%d.png", index++));
                //将图片保存为PNG格式文件
                ImageIO.write(image, "PNG", output);
            
        
    

图片读取结果:
技术图片

(本文完)

以上是关于Java 读取PDF中的文本和图片的主要内容,如果未能解决你的问题,请参考以下文章

Java 添加替换删除PDF中的图片

java poi读取pdf word excel文档,读取pdf文字图片

java poi读取pdf word excel文档,读取pdf文字图片

java poi读取pdf word excel文档,读取pdf文字图片

无法在 Java 中读取生成的 pdf 文件文本

Java 提取Word中的文本和图片