我想使用Java从PDF文件中读取一些文本数据。我该怎么做?
使用Apache PDFBox,操作方式如下:
import java.io.File;
import java.io.IOException;
import org.apache.pdfbox.pdmodel.PDDocument;
import org.apache.pdfbox.text.PDFTextStripper;
import org.apache.pdfbox.text.PDFTextStripperByArea;
PDDocument document = PDDocument.load(new File("test.pdf"));
if (!document.isEncrypted()) {
PDFTextStripper stripper = new PDFTextStripper();
String text = stripper.getText(document);
System.out.println("Text:" + text);
}
document.close();
iText 在文本处理方面有更多的低级支持,但是你需要编写大量代码才能进行文本提取。
iText in Action 对于从 PDF 中提取文本的限制进行了很好的概述,无论使用哪个库(第18.2节:提取和编辑文本),并且有一个令人信服的解释为什么该库不支持文本提取。简而言之,编写可以处理简单情况的代码相对容易,但通常无法从 PDF 中提取文本。
import java.io.File; import java.io.IOException; import org.apache.pdfbox.pdmodel.PDDocument; import org.apache.pdfbox.text.PDFTextStripper; import org.apache.pdfbox.text.PDFTextStripperByArea;
- Srivastav