Java 读取PDF中的文本和图片的方法

Z时代
2024-01-10
分类：综合

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。

Java代码示例


import com.spire.pdf.*;
import javax.imageio.ImageIO;
import java.awt.image.BufferedImage;
import java.io.File;
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();
      }
      //调用extractImages方法获取图片
      for (BufferedImage image : page.extractImages()) {
          //指定输出图片名，指定图片格式
          File output = new File(String.format("Image_%d.png", index++));
          ImageIO.write(image, "PNG", output);
      }
    }
    pdf.close();
  }
}