Java如何讀取pdf的內(nèi)容？

發(fā)布日期：2019-12-04 來源：匯智動(dòng)力

這里簡(jiǎn)單介紹2種Java讀取PDF文件內(nèi)容的方法，分別是PDFBox和Spire.PDF，感興趣的朋友可以嘗試一下：

一、PDFBox

這是Apache提供的一個(gè)免費(fèi)、開源工具，專門用于操作PDF文檔，目前支持加密/解密PDF文檔，從PDF文檔中導(dǎo)出表單數(shù)據(jù)，向已有PDF文檔追加內(nèi)容，以及切分PDF文檔等，導(dǎo)入項(xiàng)目或工程的話，可以直接下載Jar包，也可以直接Maven引入，如下：

java

導(dǎo)入成功后，我們就可以直接編碼讀取PDF文件內(nèi)容了，測(cè)試代碼如下，基本思路先加載PDF文件，創(chuàng)建PDDocument對(duì)象，然后再創(chuàng)建一個(gè)PDFTextStripper文本剝離器，最后再直接獲取PDF文本內(nèi)容即可，整個(gè)過程不難，理解起來也非常容易：

java

二、Spire.PDF

這也是一個(gè)專門用于讀取PDF文件內(nèi)容的Java工具包，商業(yè)版需要付費(fèi)購(gòu)買，也有個(gè)人免費(fèi)版，但功能比較局限，只能提取前10頁(yè)內(nèi)容，目前支持文本、圖片等內(nèi)容提取，導(dǎo)入項(xiàng)目或工程的話，可以直接下載Jar包，也可以直接Maven引入，如下：

java

導(dǎo)入完成后，我們就可以直接編碼來讀取PDF文件內(nèi)容了，測(cè)試代碼如下，基本思路先加載PDF文件，然后循環(huán)遍歷每頁(yè)提取內(nèi)容（文本的話是extractText方法，圖片的話是extractImages方法），最后再輸出或保存提取內(nèi)容即可：

java

目前，就分享這2種Java讀取PDF文件內(nèi)容的方法吧?？偟膩碚f，整個(gè)過程非常簡(jiǎn)單，只要你有一定Java基礎(chǔ)，熟悉一下上面的代碼和示例，很快就能掌握的，當(dāng)然，你也可以使用其他工具包，像iTika等也都非常不錯(cuò)