Java 读取PDF文本内容

本文将介绍如何在Java应用程序中读取PDF文件的文本内容。(读取图片也支持，参考这篇文章Java 提取PDF文档中的图片)

在Java应用程序中读取PDF，我们可以借助第三方PDF控件，本文所使用的控件是免费Java PDF组件Free Spire.PDF for JAVA。

在使用以下代码前，你需要下载Free Spire.PDF for JAVA包并解压缩，然后从lib文件夹下，导入Spire.Pdf.jar包和Spire.Common.jar包到你的Java应用程序中：（更正：以前的旧版本有2个jar包，现在的新版本糅合到一个jar包了）

Extract_Text.Java

import com.spire.pdf.PdfDocument;
import com.spire.pdf.PdfPageBase;
import java.io.*;

public class Extract_Text {

       public static void main(String[] args) {
             
           //创建PdfDocument实例
           PdfDocument doc= new PdfDocument();

           //加载PDF文件
           doc.loadFromFile("test.pdf");       

           StringBuilder sb= new StringBuilder();       

           PdfPageBase page;
       
           //遍历PDF页面，获取文本
           for(int i=0;i<doc.getPages().getCount();i++){
               page=doc.getPages().get(i);
               sb.append(page.extractText(true));
           }

           FileWriter writer;

           try {
               //将文本写入文本文件
               writer = new FileWriter("ExtractText.txt"); 
               writer.write(sb.toString());
               writer.flush();
           } catch (IOException e) {
              e.printStackTrace();
           }

           doc.close();       
       }

PDF文件：

输出文本文件：