Java 读取PDF中的文本和图片的方法

本文将介绍通过Java程序来读取PDF文档中的文本和图片的方法。分别调用方法extractText()和extractImages()来读取。

使用工具：Free Spire.PDF for Java（免费版）

Jar文件获取导入：

方法1：通过官网下载jar文件包。下载后，解压文件，并将lib文件夹下的Spire.Pdf.jar文件导入java程序。导入后如下图：

方法2： 可通过maven仓库安装导入。

Java代码示例

import com.spire.pdf.*;
import javax.imageio.ImageIO;
import java.awt.image.BufferedImage;
import java.io.File;
import java.io.FileWriter;
import java.io.IOException;
public class ExtractText {
 public static void main(String[]args) throws Exception {
   //加载测试文档
   PdfDocument pdf = new PdfDocument("sample.pdf");
   //实例化StringBuilder类
   StringBuilder sb = new StringBuilder();
   //定义一个int型变量
   int index = 0;
   //遍历PDF文档中每页
   PdfPageBase page;
   for (int i= 0; i<pdf.getPages().getCount();i++) {
     page = pdf.getPages().get(i);
     //调用extractText()方法提取文本
     sb.append(page.extractText(true));
     FileWriter writer;
     try {
       //将StringBuilder对象中的文本写入到txt
       writer = new FileWriter("ExtractText.txt");
       writer.write(sb.toString());
       writer.flush();
     } catch (IOException e) {
       e.printStackTrace();
     }
     //调用extractImages方法获取图片
     for (BufferedImage image : page.extractImages()) {
         //指定输出图片名，指定图片格式
         File output = new File(String.format("Image_％d.png", index++));
         ImageIO.write(image, "PNG", output);
     }
   }
   pdf.close();
 }
}

文本和图片读取效果：

总结

以上所述是小编给大家介绍的Java 读取PDF中的文本和图片的方法,网站的支持！
如果你觉得本文对你有帮助，欢迎转载，烦请注明出处，谢谢！

来源：https://www.cnblogs.com/Yesi/p/11206330.html