PDFBox提取电话号码 _提取电话号码

本文概述

载入PDF文件
实例化StringBuilder和PDFTextStripper类
设置电话号码的模式
找回电话号码
关闭文件
Java程序

PDFBox库具有多种功能。它具有从现有PDF文档中快速准确地提取电话联系人的功能。在本节中, 我们将学习如何使用Java程序从PDFBox库中的现有文档中读取电话号码。 PDF文档可能还包含文本, 动画和图像等。作为其内容。
请按照以下步骤从现有的PDF文档中提取电话号码-
加载PDF文档我们可以使用static load()方法加载现有的PDF文档。此方法接受文件对象作为参数。我们也可以使用PDFBox的类名PDDocument调用它。

File file = new File("Path of Document"); PDDocument doc = PDDocument.load(file);

实例化StringBuilder和PDFTextStripper类 StringBuilder和PDFTextStripper类用于从PDF文档中检索文本。我们可以实例化这些类, 如下所示：

StringBuilder sb = new StringBuilder(); PDFTextStripper stripper = new PDFTextStripper();

设置电话号码的模式模式是指我们要查找的电话号码的格式。在我们的示例中, 我们正在寻找具有10位数字的号码, 并在电话号码的两端查找至少一个空白。可以从以下设置模式：

Pattern p = Pattern.compile("\\s\\d\\d\\d\\d\\d\\d\\d\\d\\d\\d\\s");

找回电话号码我们可以使用Matcher检索电话号码, Matcher引用将在其中找到模式的实际文本。如果将找到电话号码, 请使用group()方法打印电话号码, 该方法引用遵循我们指定模式的下一个号码。

Matcher m = p.matcher(sb); while (m.find()){ System.out.println(m.group()); }

关闭文件 【PDFBox提取电话号码】完成任务后, 我们需要使用close()方法关闭PDDocument类对象。

doc.close();

例-
这是一个PDF文档, 同时包含文本和电话号码。从此PDF中, 我们只想提取电话号码。在此, 我们假设电话号码的长度为10位数字。我们可以通过使用Java程序的PDFBox库来做到这一点。

文章图片
Java程序

import java.io.*; import org.apache.pdfbox.pdmodel.*; import org.apache.pdfbox.text.PDFTextStripper; import java.util.regex.*; public class ExtractPhone {public static void main(String[] args)throws IOException {// PDF file from the phone numbers are extracted File fileName = new File("/eclipse-workspace/phone.pdf"); PDDocument doc = PDDocument.load(fileName); // StringBuilder to store the extracted text StringBuilder sb = new StringBuilder(); PDFTextStripper stripper = new PDFTextStripper(); // Add text to the StringBuilder from the PDF sb.append(stripper.getText(doc)); // Regex-> The Pattern refers to the format you are looking for. In our example, we are looking for //numbers with 10 digits with atleast one surrounding white spaces on both ends. Pattern p = Pattern.compile("\\s\\d\\d\\d\\d\\d\\d\\d\\d\\d\\d\\s"); // Matcher refers to the actual text where the pattern will be found Matcher m = p.matcher(sb); while (m.find()){ //group() method refers to the next number that follows the pattern we have specified. System.out.println(m.group()); }if (doc != null) { doc.close(); } System.out.println("\nPhone Number is extracted"); } }

输出
成功执行以上程序后, 我们可以看到以下输出。