Apache PDFBox 提取原 pdf 内容存入新的 pdf 文件

Apache PDFBox 库是一个开源、用于操作 PDF 文档的 Java 工具库。PDFBox 允许创建新的 PDF 文档、操作现有文档，以及从文档中提取内容。

Apache PDFBox 提取 pdf 某一页另存为一个 png 图片

获取 Apache PDFBox 地址 https://pdfbox.apache.org/，目前版本 2.0.13，核心 jar 是 pdfbox-2.0.13.jar，其他还有几个 jar 可以根据需要进行导入。

这里 https://pdfbox.apache.org/download.cgi 可以下载全部的 jar 和一些命令行工具，下载 pdfbox-2.0.13-src.zip 源码可以看到文件夹 examples 里面有不少例子进行了示范。

以下代码演示一个从现有的 PDF 提取某几页，存入另一个 PDF 的操作：

/*
 * 从一个已经存在的 pdf 中提取某几页存入另外一个 pdf
 */

package pdf;

import java.io.File;
import java.io.IOException;
import org.apache.pdfbox.pdmodel.PDDocument;
import org.apache.pdfbox.pdmodel.PDPage;

public class ReadPDF
{

  public static void main(String[] args)
  {
    try
    {
      // 打开一个现有的 pdf
      PDDocument pdfDocSrc = PDDocument.load(new File("c:/temp/1.pdf"));

      // 新建一个 pdf
      PDDocument pdfDocNew = new PDDocument();
      // 取得现有 pdf 内的某一或几页
      for (int i = 0; i < 3; i++)
      {
        PDPage page = pdfDocSrc.getPage(i);
        // 添加到新建的 pdf 中
        pdfDocNew.addPage(page);
      }
      // 新pdf保存到文件
      pdfDocNew.save("c:/temp/2.pdf");
      // 关闭新 pdf
      pdfDocNew.close();

      // 关闭 pdf
      pdfDocSrc.close();
    }
    catch (IOException e)
    {
      e.printStackTrace();
    }

  }

}

Q群讨论 236201801