Java超大pdf文件转换word、html、图片工具

最新推荐文章于 2023-08-23 14:30:54 发布

youth_ymh

最新推荐文章于 2023-08-23 14:30:54 发布

阅读量381

点赞数

分类专栏： pdf转word pdf转html pdf转图片文章标签： java maven

本文链接：https://blog.csdn.net/baidu_ymh/article/details/122844696

版权

pdf转word 同时被 3 个专栏收录

1 篇文章 0 订阅

订阅专栏

pdf转html

1 篇文章 0 订阅

订阅专栏

pdf转图片

1 篇文章 0 订阅

订阅专栏

通过 Maven 仓库安装 Spire.PDF for Java 工具包实现

在pom.xml文件中配置Maven仓库路径。

<repositories>
        <repository>
            <id>com.e-iceblue</id>
            <url>https://repo.e-iceblue.cn/repository/maven-public/</url>
        </repository>
    </repositories>

然后，在pom.xml文件中指定Spire.PDF for Java的Maven依赖。

<dependencies>
    <dependency>
        <groupId> e-iceblue </groupId>
        <artifactId>spire.pdf</artifactId>
        <version>3.11.6</version>
    </dependency>
</dependencies>

<dependencies>
    <dependency>
        <groupId>e-iceblue</groupId>
        <artifactId>spire.pdf.free</artifactId>
        <version>3.9.0</version>
    </dependency>
</dependencies>

package com.ymh.pdf;

/**
 * @ClassName PdfToWord
 * @Description: TODO
 * @Author yangminghao
 * @Date 2022/2/8 
 **/
import com.spire.pdf.*;
import com.spire.pdf.graphics.PdfMargins;
import lombok.extern.slf4j.Slf4j;

import javax.imageio.ImageIO;
import java.awt.geom.Dimension2D;
import java.awt.image.BufferedImage;
import java.io.*;

//import com.spire.doc.Document;
//import com.spire.doc.FileFormat;

/**
 * 把pdf转换为
 *
 * @author Angin
 * @date 2019/3/18 0018.
 * https://www.cnblogs.com/Yesi/tag/Spire.PDF%20for%20Java/
 */
@Slf4j
public class PdfToWord {

    public static void main(String[] args) {
        //PDFtoimage("F:\\cs\\imga.pdf","png");
        //convertPdfToWord("F:\\cs\\33.pdf");
        //convertPdfToAll("svgs","F:\\cs\\33.pdf");
        PdfToWord pdf = new PdfToWord();
        pdf.PDFtoPDFA("F:\\cs\\test.pdf");
    }

    /**
     *  pdf 转
     * @param cmd
     * @param pdfPath
     */
    public  void convertPdfToAll(String cmd,String pdfPath) {
        cmd = cmd.toLowerCase();
        log.info("===============PDF 转 "+cmd+" 工具===========");
        log.info("pdf原文件地址："+pdfPath);
        log.info("pdf >> "+cmd+" 转换开始》》》》》，大文件转换需要点时间，请耐心等待.............");
        PdfDocument pdf = new PdfDocument();
        pdf.loadFromFile(pdfPath);
        String pdfWordPath = pdfPath.substring(0, pdfPath.indexOf(".")) + ".";
        switch(cmd){
            case "word" :
                pdfWordPath = pdfWordPath + "docx";
                pdf.saveToFile(pdfWordPath, FileFormat.DOCX);
                break; //可选
            case "html" :
                pdfWordPath = pdfWordPath + "html";
                pdf.saveToFile(pdfWordPath, FileFormat.HTML);
                break;
            case "svg" ://转为单个svg
                pdfWordPath = pdfWordPath + "svg";
                pdf.saveToFile(pdfWordPath, FileFormat.SVG);
                break;
            case "svgs" ://多页pdf转为一个svg
                pdfWordPath = pdfWordPath + "svg";
                pdf.getConvertOptions().setOutputToOneSvg(true);
                pdf.saveToFile(pdfWordPath, FileFormat.SVG);
                break;
            case "xps" ://多页pdf转为一个svg
                pdfWordPath = pdfWordPath + "xps";
                pdf.saveToFile(pdfWordPath, FileFormat.XPS);
                break;
//            case "ofd" ://多页pdf转为一个svg
//                pdfWordPath = pdfWordPath + "ofd";
//                log.info("转换后文件地址："+pdfWordPath);
//                pdf.saveToFile(pdfWordPath, FileFormat.OFD);
//                break;
            default : //可选
               log.error("不支持的文件格式》》》"+cmd);
        }
        log.info("转换后文件地址："+pdfWordPath);
        pdf.close();
        log.info("==================转换结束  end================");
    }

    /**
     * pdf >> word转换
     */
    public  void convertPdfToWord(String pdfPath) {
        log.info("===============PDF 转 word 工具===========");
        log.info("pdf原文件地址："+pdfPath);
        String pdfWordPath = pdfPath.substring(0, pdfPath.indexOf(".")) + ".doc";

        log.info("pdf >> word转换开始》》》》》，大文件转换需要点时间，请耐心等待.............");
        PdfDocument pdf = new PdfDocument();
        pdf.loadFromFile(pdfPath);
        pdf.saveToFile(pdfWordPath, FileFormat.DOCX);
        log.info("转换word后文件地址："+pdfWordPath);
        pdf.close();
        log.info("==================转换结束  end================");

    }

    /**
     *  pdf >> image
     * @param pdfPath
     */
    public   void PDFtoimage(String pdfPath,String formatName){
        log.info("===============PDF 转 image 工具===========");
        log.info("pdf原文件地址："+pdfPath);
        log.info(" pdf >> image 支持的图片格式包括Jpeg, Jpg, Png, Bmp, Tiff, Gif, EMF等");
        log.info("pdf >> image转换开始》》》》》，大文件转换需要点时间，请耐心等待.............");
        PdfDocument pdf = new PdfDocument(pdfPath);
        BufferedImage image;
        for(int i = 0; i< pdf.getPages().getCount();i++){
            image = pdf.saveAsImage(i);
//            File file = new File( String.format("ToImage-img-%d.png", i));
            String pdfWordPath = pdfPath.substring(0, pdfPath.indexOf("."));
            pdfWordPath  = String.format(pdfWordPath+"-img-%d."+formatName.toLowerCase(), i);
            log.info("转换image后文件地址："+pdfWordPath);
            File file = new File( pdfWordPath);
            try {
//                ImageIO.write(image, "PNG", file);
                ImageIO.write(image, formatName.toUpperCase(), file);
            } catch (IOException e) {
                log.error("转换出错了。。。。。"+e.getMessage());
                e.printStackTrace();
            }
        }
        pdf.close();
        log.info("==================转换结束  end================");

    }

    /**
     * pdf >>>  html
     * @param pdfPath
     */
    public  void pdfToHtml(String pdfPath) {
        log.info("===============PDF 转 html 工具===========");
        log.info("pdf原文件地址："+pdfPath);
        String pdfWordPath = pdfPath.substring(0, pdfPath.indexOf(".")) + ".html";
        log.info("转换 html 后文件地址："+pdfWordPath);
        log.info("pdf >> html 转换开始》》》》》，大文件转换需要点时间，请耐心等待.............");
        PdfDocument pdf = new PdfDocument();
        pdf.loadFromFile(pdfPath);
        pdf.saveToFile(pdfWordPath, FileFormat.HTML);
        pdf.close();
        log.info("==================转换结束  end================");

    }

    /**
     *  读取pdf文件数据
     * @param pdfPath
     */
    public  void ExtractText (String pdfPath) {
        log.info("===============读取pdf文件数据===========");
        log.info("pdf原文件地址："+pdfPath);
        String pdfWordPath = pdfPath.substring(0, pdfPath.indexOf(".")) + ".";
        log.info("读取pdf文件数据开始》》》》》，大文件转换需要点时间，请耐心等待.............");
        //加载测试文档
        PdfDocument pdf = new PdfDocument(pdfPath);

        //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(pdfWordPath+"_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(pdfWordPath+"_Image_%d.png", index++));
                try {
                    ImageIO.write(image, "PNG", output);
                } catch (IOException e) {
                    e.printStackTrace();
                }
            }
        }
        log.info("读取pdf文件数据地址："+pdfWordPath);
        pdf.close();
        log.info("==================转换结束  end================");

    }


    /**
     * PDF转PDF/A
     * @param pdfPath
     */
    public  void PDFtoPDFA(String pdfPath) {
        log.info("===============PDF 转 Pdf_A_1_B 工具===========");
        log.info("pdf原文件地址："+pdfPath);
        String pdfWordPath = pdfPath.substring(0, pdfPath.indexOf(".")) + "_Pdf_A_1_B.pdf";

        log.info("pdf >> Pdf_A_1_B 转换开始》》》》》，大文件转换需要点时间，请耐心等待.............");
        //加载测试文档
        PdfDocument pdf = new PdfDocument();
        pdf.loadFromFile(pdfPath);

        //转换为Pdf_A_1_B格式
        PdfNewDocument newDoc = new PdfNewDocument();
        newDoc.setConformance(PdfConformanceLevel.Pdf_A_1_B);
        PdfPageBase page;
        for ( int i=0;i< pdf.getPages().getCount();i++) {
            page = pdf.getPages().get(i);
            Dimension2D size = page.getSize();
            PdfPageBase p = newDoc.getPages().add(size, new PdfMargins(0));
            page.createTemplate().draw(p, 0, 0);
        }
        //保存结果文件
        newDoc.save(pdfWordPath);
        log.info("转换 Pdf_A_1_B 后文件地址："+pdfWordPath);
        newDoc.close();
        log.info("==================转换结束  end================");
    }









}