java讀取pdf,java讀取pdf文件

本文目錄一覽：

• 1、java 如何讀取PDF文件內容
• 2、如何用java讀取pdf文檔的部分內容
• 3、怎麼用java讀取pdf文件內容
• 4、用Java 讀取 PDF 遇到中文標籤該怎麼處理
• 5、怎麼用java讀取pdf中的表格

java 如何讀取PDF文件內容

import java.io.File;

import java.io.FileOutputStream;

import java.io.OutputStreamWriter;

import java.io.Writer;

import java.net.MalformedURLException;

import java.net.URL;

import org.pdfbox.pdmodel.PDDocument;

import org.pdfbox.util.PDFTextStripper;

public class PdfReader {

public void readFdf(String file) throws Exception {

// 是否排序

boolean sort = false;

// pdf文件名

String pdfFile = file;

// 輸入文本文件名稱

String textFile = null;

// 編碼方式

String encoding = “UTF-8”;

// 開始提取頁數

int startPage = 1;

// 結束提取頁數

int endPage = Integer.MAX_VALUE;

// 文件輸入流，生成文本文件

Writer output = null;

// 內存中存儲的PDF Document

PDDocument document = null;

try {

try {

// 首先當作一個URL來裝載文件，如果得到異常再從本地文件系統//去裝載文件

URL url = new URL(pdfFile);

//注意參數已不是以前版本中的URL.而是File。

document = PDDocument.load(pdfFile);

// 獲取PDF的文件名

String fileName = url.getFile();

// 以原來PDF的名稱來命名新產生的txt文件

if (fileName.length() 4) {

File outputFile = new File(fileName.substring(0, fileName

.length() – 4)

+ “.txt”);

textFile = outputFile.getName();

}

} catch (MalformedURLException e) {

// 如果作為URL裝載得到異常則從文件系統裝載

//注意參數已不是以前版本中的URL.而是File。

document = PDDocument.load(pdfFile);

if (pdfFile.length() 4) {

textFile = pdfFile.substring(0, pdfFile.length() – 4)

+ “.txt”;

}

}

// 文件輸入流，寫入文件倒textFile

output = new OutputStreamWriter(new FileOutputStream(textFile),

encoding);

// PDFTextStripper來提取文本

PDFTextStripper stripper = null;

stripper = new PDFTextStripper();

// 設置是否排序

stripper.setSortByPosition(sort);

// 設置起始頁

stripper.setStartPage(startPage);

// 設置結束頁

stripper.setEndPage(endPage);

// 調用PDFTextStripper的writeText提取並輸出文本

stripper.writeText(document, output);

} finally {

if (output != null) {

// 關閉輸出流

output.close();

}

if (document != null) {

// 關閉PDF Document

document.close();

}

}

}

/**

* @param args

*/

public static void main(String[] args) {

// TODO Auto-generated method stub

PdfReader pdfReader = new PdfReader();

try {

// 取得E盤下的SpringGuide.pdf的內容

pdfReader.readFdf(“E://SpringGuide.pdf”);

} catch (Exception e) {

e.printStackTrace();

}

}

}

如何用java讀取pdf文檔的部分內容

你需要用到PDFbox api

例子如下

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;

try {

    PDDocument document = null;

    document = PDDocument.load(new File(“test.pdf”));

    document.getClass();

    if (!document.isEncrypted()) {

        PDFTextStripperByArea stripper = new PDFTextStripperByArea();

        stripper.setSortByPosition(true);

        PDFTextStripper Tstripper = new PDFTextStripper();

        String st = Tstripper.getText(document);

        System.out.println(“Text:” + st);

    }

} catch (Exception e) {

    e.printStackTrace();

}

怎麼用java讀取pdf文件內容

你可以把pdf轉成word在進行讀取

推薦使用轉轉大師pdf轉word轉換器，免費的在線工具

百度搜索下，在線免費轉換就行了，不用下載註冊，很方便

用Java 讀取 PDF 遇到中文標籤該怎麼處理

直接使用系統字體讀取或創建帶中文的pdf，需要注意jar的版本。

dependency

groupIdcom.itextpdf/groupId

artifactIditextpdf/artifactId

version5.5.8/version

/dependency

dependency

groupIdcom.itextpdf/groupId

artifactIditext-asian/artifactId

version5.2.0/version

/dependency

dependency

groupIdcom.itextpdf.tool/groupId

artifactIdxmlworker/artifactId

version5.5.6/version

/dependency123456789101112131415

代碼如下，覆寫XMLWorkerFontProvider$getFont即可讀取中文

public void createPdf(String src, String dest) throws IOException, DocumentException {

Document document = new Document();

PdfWriter writer = PdfWriter.getInstance(document, new FileOutputStream(dest));

document.open();

XMLWorkerHelper.getInstance().parseXHtml(writer, document, new FileInputStream(src), null, new XMLWorkerFontProvider(){ public Font getFont(final String fontname, final String encoding,

final boolean embedded, final float size, final int style,

final BaseColor color) {

BaseFont bf = null;

try {

bf = BaseFont.createFont(“C:/Windows/Fonts/SIMYOU.TTF”,BaseFont.IDENTITY_H,BaseFont.NOT_EMBEDDED);

} catch (Exception e) {

e.printStackTrace();

}

Font font = new Font(bf, size, style, color);

font.setColor(color);

return font;

}

});

document.close();

}1234567891011121314151617181920212223

創建時，使用系統（windows下）的字體即可

BaseFont baseFont = BaseFont.createFont(“C:/Windows/Fonts/SIMYOU.TTF”,BaseFont.IDENTITY_H,BaseFont.NOT_EMBEDDED);

Font font = new Font(baseFont);

怎麼用java讀取pdf中的表格

ITEXT插件方法

/**

* @param pdf PDF文件路徑

* @param txt 輸出文本文件路徑

* @throws IOException

*/

public void parsePdf(String pdf, String txt) throws IOException {

PdfReader reader = new PdfReader(pdf);

PrintWriter out = new PrintWriter(new FileOutputStream(txt));

Rectangle rect = new Rectangle(70, 80, 490, 580);

RenderFilter filter = new RegionTextRenderFilter(rect);

TextExtractionStrategy strategy;

for (int i = 1; i = reader.getNumberOfPages(); i++) {

strategy = new FilteredTextRenderListener(new LocationTextExtractionStrategy(), filter);

out.println(PdfTextExtractor.getTextFromPage(reader, i, strategy));

}

out.flush();

out.close();

reader.close();

}

PDFBOX插件方法

PDDocument document = PDDocument.load( args[0] );

if( document.isEncrypted() )

{

document.decrypt( “” );

}

PDFTextStripperByArea stripper = new PDFTextStripperByArea();

stripper.setSortByPosition( true );

Rectangle rect = new Rectangle( 10, 280, 275, 60 );

stripper.addRegion( “class1”, rect );

List allPages = document.getDocumentCatalog().getAllPages();

PDPage firstPage = (PDPage)allPages.get( 0 );

stripper.extractRegions( firstPage );

System.out.println( “Text in the area:” + rect );

System.out.println( stripper.getTextForRegion( “class1” ) );