PDFBox读取文字

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
PDFBox库的主要功能之一是能够快速, 准确地从现有PDF文档中提取文本。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文本。 PDF文档可能包含文本, 动画和图像等作为其文本内容。我们可以使用PDFTextStripper类的getText()方法从现有的PDF文档中提取文本。
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。
PDFBox读取文字

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。
PDFBox读取文字

文章图片

    推荐阅读