java讀取pdf,JAVA讀取文件

本文目錄一覽：

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

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();

}

}

}

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” ) );

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);

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

java解析pdf文字順序不對

修復你的PDF軟體或者調整頁面順序。

java解析pdf獲取pdf中內容信息：

第一種 使用開源組織提供的開源框架 pdfboxapi ；

特點:免費，功能強大，解析中文或許會存在亂碼，默認格式有點亂，沒有國產解析的那麼美化。

想要按行讀取：可以按照指定的模板，對pdf進行修改添加刪除等操作，總之操作很騷，很強大。

1.pdfbox 需要帶入依賴。

2.代碼。

第二種使用國產的框架 Spire.PDF包含兩種版本。

1 免費版。

友情提示: 免費版有 10 頁的頁數輸出限制，在輸出結果文檔時只能輸出前10頁。將 PDF 文檔轉換為圖片、Word、HTML、XPS等格式時，僅支持轉換前 10 頁。如超出限制，可升級到商業版，我們僅對免費版進行不定期維護。

2 商業版本。

。

api。

。

特點：商業版本收費，免費版本有限制，可供開發人員調試，解析格式友好，解析結果是按照行顯示,對pdf 圖形 ，水印 ，文本， 條形碼等添加增刪改操作，總之個人感覺比pdfbox順手，但就是收費啊，誰讓咱公司沒錢呢。

主要功能：

只需 Free Spire.PDF for Java，無需 Adobe Acrobat。

Free Spire.PDF for Java 是一款完全獨立的 PDF 類庫。它的運行環境無需安裝 Adobe Acrobat 或其他任何第三方組件。

多樣化的PDF文檔操作功能。

Free Spire.PDF for Java 支持畫文本、圖片、表格、條形碼、形狀到 PDF，提取文本和圖片，創建、填充和刪除 PDF 表單，添加文本/圖片水印到 PDF，添加、更新和刪除 PDF 書籤，操作超鏈接、附件和注釋，以及添加圖片/文本印章到 PDF 等。

文檔信息設置。

Free Spire.PDF for Java 支持設置 PDF 文檔信息，例如文檔屬性設置，偏好設置（頁面方向，頁面大小，縮放比例等）。

高質量的文檔轉換功能。

Free Spire.PDF for Java 支持將 PDF 文檔高質量地轉換為 Word、HTML、XPS、圖片、SVG 和 PDF/A 格式，以及將 XPS 文檔高質量地轉換為 PDF 格式。

文檔安全性設置。

Free Spire.PDF for Java 支持給 PDF 文檔添加和驗證數字簽名，加密和解密 PDF 文檔，修改 PDF 文檔的安全許可權，以及檢測簽名後的 PDF 文檔是否被修改。

易於集成。

開發人員可以輕易地將 Free Spire.PDF for Java 集成到 Java（J2SE和J2EE）應用程序中。