如何读取PDF文件并将其写入输出流

Question

如何读取PDF文件并将其写入输出流

16

我需要读取一个文件路径为 "C:\file.pdf" 的pdf文件，并将其写入outputStream。最简单的方法是什么？

@Controller
public class ExportTlocrt {

@Autowired
private PhoneBookService phoneBookSer;

private void setResponseHeaderTlocrtPDF(HttpServletResponse response) {
    response.setContentType("application/pdf");
    response.setHeader("content-disposition", "attachment; filename=Tlocrt.pdf" );
} 

@RequestMapping(value = "/exportTlocrt.html", method = RequestMethod.POST)
public void exportTlocrt(Model model, HttpServletResponse response, HttpServletRequest request){

    setResponseHeaderTlocrtPDF(response);
    File f = new File("C:\\Tlocrt.pdf");

    try {
        OutputStream os = response.getOutputStream();
        byte[] buf = new byte[8192];
        InputStream is = new FileInputStream(f);
        int c = 0;
        while ((c = is.read(buf, 0, buf.length)) > 0) {
            os.write(buf, 0, c);
            os.flush();
        }
        os.close();
        is.close();
    } catch (IOException e) {
        e.printStackTrace();
    }

}
}

...........................................................................................

- Juraj Vlahović

你的问题似乎是要求从文件复制到专用的“OutputStream”例程，@Pheonix的答案展示了如何实现这一点 --- 你标记问题为[pdf]更不用说[itext]了，这有什么原因吗？ - mkl

我在我的项目中使用了Itext来完成其他任务，因此我认为它可能可以在这个例子中使用。但是我错了。 - Juraj Vlahović

实际上，就像@Stephan的答案提供了使用PDFBox的解决方案一样，您也可以使用iText首先解析整个PDF，然后再将其序列化。但是，使用PDF库（无论是PDFBox还是iText）复制PDF是一种巨大的资源浪费，并且可能会改变所涉及的PDF。 - mkl

使用Apache FileUtils：outputStream.write(FileUtils.readFileToByteArray(file)); - user1303718

2个回答

11

你可以使用Apache的PdfBox，它简单易用且性能良好。

这是从PDF文件中提取文本的示例（你可以在这里阅读更多）：

import java.io.*;
import org.apache.pdfbox.pdmodel.*;
import org.apache.pdfbox.util.*;

public class PDFTest {

 public static void main(String[] args){
 PDDocument pd;
 BufferedWriter wr;
 try {
         File input = new File("C:\\Invoice.pdf");  // The PDF file from where you would like to extract
         File output = new File("C:\\SampleText.txt"); // The text file where you are going to store the extracted data
         pd = PDDocument.load(input);
         System.out.println(pd.getNumberOfPages());
         System.out.println(pd.isEncrypted());
         pd.save("CopyOfInvoice.pdf"); // Creates a copy called "CopyOfInvoice.pdf"
         PDFTextStripper stripper = new PDFTextStripper();
         wr = new BufferedWriter(new OutputStreamWriter(new FileOutputStream(output)));
         stripper.writeText(pd, wr);
         if (pd != null) {
             pd.close();
         }
        // I use close() to flush the stream.
        wr.close();
 } catch (Exception e){
         e.printStackTrace();
        } 
     }
}

更新：

您可以使用PDFTextStripper获取文本：

PDFTextStripper reader = new PDFTextStripper();
String pageText = reader.getText(pd); // PDDocument object created

- Stephan

Pdf 包含一些图片和少量文本。我不需要将它写入 txt 或其他文件，只需将其写入 OutputStream。 - Juraj Vlahović

这只是一个例子，你可以很容易地修改它。 - Stephan

2

使用PDF处理库来复制PDF相当浪费资源，不是吗... - mkl

1

这是一个有争议的问题... 如果将来需要对 PDF 进行一些修改和/或性能不是一个巨大的因素，我认为可以使用库，特别是由于库与主应用程序分离，更加清晰。 - Stephan

谢谢你的帮助，但我会使用上面的例子，因为它更简单，适合我需要做的事情。 - Juraj Vlahović

显示剩余2条评论

网页内容由stack overflow 提供, 点击上面的

可以查看英文原文，
原文链接

- ATR · Accepted Answer

import java.io.*;


public class FileRead {


    public static void main(String[] args) throws IOException {


        File f=new File("C:\\Documents and Settings\\abc\\Desktop\\abc.pdf");

        OutputStream oos = new FileOutputStream("test.pdf");

        byte[] buf = new byte[8192];

        InputStream is = new FileInputStream(f);

        int c = 0;

        while ((c = is.read(buf, 0, buf.length)) > 0) {
            oos.write(buf, 0, c);
            oos.flush();
        }

        oos.close();
        System.out.println("stop");
        is.close();

    }

}

到目前为止，最简单的方式。希望这能帮到你。