java解析pdf中的图片并获取其中的文字

最新推荐文章于 2024-07-31 18:27:59 发布

拈花醉伊人

最新推荐文章于 2024-07-31 18:27:59 发布

阅读量1.8k

点赞数 1

分类专栏： pdf解析文章标签： java

本文链接：https://blog.csdn.net/TigerTonyLoginer/article/details/108481956

版权

本文介绍如何使用Java解析PDF文件中的图片，并保存至指定目录。解析过程涉及依赖的添加，特别是驯化文件目录——tessdata。通过tessdata进行图片文字识别，需要注意训练语言设置。代码示例展示了从PDF提取图片并识别文字的过程。

摘要由CSDN通过智能技术生成

关于解析pdf这里有一个较大的坑，在你不知道任何情况直接去看官方文档的话对于初入的来说就很难去实现，更多的人是想先实现后理解吧，在这里有一个重要的东西叫做驯化文件目录，少了这个东西的话就很不好操作，话不多说，上代码，首先上场的是解析pdf为图片并保存至自定义文件夹中`

                PdfDocument doc = new PdfDocument();
                // 加载PDF文件
                doc.loadFromFile("D:\\image\\oldpdf\\" + 0 + ".pdf");
                int index = 0;
                // 遍历PDF文件中的页面
                for (PdfPageBase page : (Iterable<PdfPageBase>)       doc.getPages()) {
   
                    // 提取页面中的图片并保存至本地文件夹
                    for (BufferedImage image : page.extractImages()) {
   
                        File output = new File("D:\\ima