本文概述
- 载入PDF文件
- 实例化PDFTextStripper类
- 检索文字
- 关闭文件
- Java程序
请按照以下步骤从现有的PDF文档中读取文本,
载入PDF文件 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PDFTextStripper类 PDFTextStripper类用于从PDF文档中检索文本。我们可以实例化该类, 如下所示:
PDFTextStripper pdfStripper = new PDFTextStripper();
检索文字 getText()方法用于从PDF文档中读取文本内容。在这种方法中, 我们需要将文档对象作为参数传递。此方法将文本作为字符串对象返回。
String text = pdfStripper.getText(doc);
关闭文件 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, 我们将使用Java程序的PDFBox库提取其文本内容。
文章图片
Java程序
import java.io.File;
import java.io.IOException;
import java.io.File;
import java.io.IOException;
import org.apache.pdfbox.pdmodel.PDDocument;
import org.apache.pdfbox.text.PDFTextStripper;
public class ExtractText { public static void main(String[] args)throws IOException {//Loading an existing documentFile file = new File("/eclipse-workspace/blank.pdf");
PDDocument doc = PDDocument.load(file);
//Instantiate PDFTextStripper classPDFTextStripper pdfStripper = new PDFTextStripper();
//Retrieving text from PDF documentString text = pdfStripper.getText(doc);
System.out.println("Text in PDF\n---------------------------------");
System.out.println(text);
//Closing the document doc.close();
}}
输出
【PDFBox读取文字】成功执行后, 上述程序从PDF文档中检索文本, 如以下输出所示。
文章图片
推荐阅读
- PDFBox删除页面
- PDFBox加载现有文档
- PDFBox将图像插入PDF文档
- 获取图像的位置和大小
- PDFBox环境安装详细步骤
- PDFBox功能
- PDFBox提取电话号码
- PDFBox提取图像
- 技术编辑教您win7放大镜技巧怎样打开