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();
}
}
文本和图片读取效果：
（本文完）
转载于:https://www.cnblogs.com/Yesi/p/11206330.html
相关资源：java 读取PDF文件中的内容
