java读取pdf文档-PDFBox

1、介绍
Apache PDFbox是一个开源的、基于Java的、支持PDF文档生成的工具库，它可以用于创建新的PDF文档，修改现有的PDF文档，还可以从PDF文档中提取所需的内容。Apache PDFBox还包含了数个命令行工具。

官网地址：

https://pdfbox.apache.org/index.html

jar包下载地址：

https://pdfbox.apache.org/downloads.html

PDFBox 2.0.1 API在线文档：https://pdfbox.apache.org/docs/2.0.1/javadocs/

常用的PDF操作的java类库还有itext，功能比PDFbox还要强大，尤其是中文的支持做的比较好，但itext是收费的。

 

2.功能

Apache PDFBox主要有以下特征：
1）文本提取：从PDF文档中提取文本。
2）合并＆分割：可以把多个PDF文档合并成单个，也可以把单个PDF分拆成多个PDF文档。
3）表单填充：可以从PDF表单中提取数据，或者是填充PDF表单。
4）PDF/A验证：验证PDF文档是否满足PDF/A ISO标准。
5）PDF打印：把PDF文档输出到打印机——利用了Java的打印API。
6）PDF转换：可以把PDF文档转换成映像文件。
7）PDF创建：可以从头创建新的PDF文档。
8）集成Lucene搜索引擎&#x