Java 读取pdf内容-pdfBox

已于 2024-03-11 10:44:21 修改
阅读量808 收藏 3
点赞数
分类专栏： javaWEB 文章标签： pdf
于 2023-05-17 16:30:39 首次发布
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/qq_34207422/article/details/130728791
版权

引入依赖：

<dependency>
			 <groupId>org.apache.pdfbox</groupId>
			 <artifactId>pdfbox</artifactId>
			 <version>2.0.1</version>
		 </dependency>
		<dependency>
			<groupId>org.apache.pdfbox</groupId>
			<artifactId>fontbox</artifactId>
			<version>2.0.0</version>
		</dependency>
		<dependency>
			<groupId>org.apache.pdfbox</groupId>
			<artifactId>jempbox</artifactId>
			<version>1.8.11</version>
		</dependency>
		<dependency>
			<groupId>org.apache.pdfbox</groupId>
			<artifactId>xmpbox</artifactId>
			<version>2.0.0</version>
		</dependency>
		<dependency>
			<groupId>org.apache.pdfbox</groupId>
			<artifactId>preflight</artifactId>
            <version>2.0.0</version>
		</dependency>
		<dependency>
			<groupId>org.apache.pdfbox</groupId>
			<artifactId>pdfbox-tools</artifactId>
			<version>2.0.0</version>
        </dependency>

2、通过引用处理文档，代码示例如下：

import org.apache.pdfbox.multipdf.PDFMergerUtility;
import org.apache.pdfbox.multipdf.Splitter;
import org.apache.pdfbox.pdmodel.PDDocument;
import org.apache.pdfbox.pdmodel.PDPage;
import org.apache.pdfbox.pdmodel.PDPageContentStream;
import org.apache.pdfbox.pdmodel.PDPageTree;
import org.apache.pdfbox.pdmodel.common.PDRectangle;
import org.apache.pdfbox.pdmodel.font.PDFont;
import org.apache.pdfbox.pdmodel.font.PDType0Font;
import org.apache.pdfbox.pdmodel.graphics.image.PDImageXObject;
import org.apache.pdfbox.text.PDFTextStripper;

import java.io.File;
import java.io.FileInputStream;
import java.io.IOException;
import java.io.InputStream;
import java.util.ArrayList;
import java.util.Iterator;
import java.util.List;

public class PdfBoxUtil {

    /**
     * 读取pdf中文字信息(全部)
     *
     * @param inputFile
     * @return
     */
    public static String readPdf(String inputFile) {
        //创建文档对象
        PDDocument doc = null;
        String content = "";
        try {
            //加载一个pdf对象
            doc = PDDocument.load(new File(inputFile));
            //获取一个PDFTextStripper文本剥离对象
            PDFTextStripper textStripper = new PDFTextStripper();
            content = textStripper.getText(doc);
//            System.out.println("内容:" + content);
//            System.out.println("全部页数" + doc.getNumberOfPages());
        } catch (Exception e) {
            e.printStackTrace();
        } finally {
            try {
                //关闭文档
                if (doc != null) {
                    doc.close();
                }
            } catch (IOException e) {
                e.printStackTrace();
            }
        }
        return content;
    }

    /**
     * 插入文字到pdf中
     *
     * @param inputFilePath
     * @param outputFilePath
     * @param pageNum
     * @param message
     * @throws Exception
     */
    public static void insertWordContent(String inputFilePath, String outputFilePath, Integer pageNum, String message) throws Exception {
        File inputPDFFile = new File(inputFilePath);
        File outputPDFFile = new File(outputFilePath);
        PDDocument doc = null;
        try {
            doc = PDDocument.load(inputPDFFile);
            PDPageTree allPages = doc.getDocumentCatalog().getPages();
//            PDFont font = PDType1Font.HELVETICA_BOLD;
            PDFont font = PDType0Font.load(doc, new File("C:\\Users\\DELL\\Desktop\\FZLTHJW.TTF"));
            // 字体大小
            float fontSize = 36.0f;
            PDPage page = (PDPage) allPages.get(pageNum - 1);
            PDRectangle pageSize = page.getMediaBox();
            float stringWidth = font.getStringWidth(message) * fontSize / 1000f;
            // 计算页面的中心位置
            int rotation = page.getRotation();
            boolean rotate = rotation == 90 || rotation == 270;
            float pageWidth = rotate ? pageSize.getHeight() : pageSize.getWidth();
            float pageHeight = rotate ? pageSize.getWidth() : pageSize.getHeight();
            double centeredXPosition = rotate ? pageHeight / 2f : (pageWidth - stringWidth) / 2f;
            double centeredYPosition = rotate ? (pageWidth - stringWidth) / 2f : pageHeight / 2f;
            // append the content to the existing stream
            PDPageContentStream contentStream = new PDPageContentStream(doc, page, true, true, true);
            contentStream.beginText();
            // 设置字体和字体大小
            contentStream.setFont(font, fontSize);
            // 设置字体颜色（如下为红色）
            contentStream.setNonStrokingColor(255, 0, 0);
            if (rotate) {
                // rotate the text according to the page rotation
                contentStream.setTextRotation(Math.PI / 2, centeredXPosition, centeredYPosition);
            } else {
                contentStream.setTextTranslation(centeredXPosition, centeredYPosition);
            }
            // 写入文字
            contentStream.drawString(message);
            contentStream.endText();
            contentStream.close();
            // 保存到新文档中
            doc.save(outputPDFFile);
            System.out.println("成功向pdf插入文字");
        } finally {
            if (doc != null) {
                doc.close();
            }
        }
    }

    /**
     * 在pdf中插入图片
     *
     * @param inputFilePath
     * @param imagePath
     * @param outputFilePath
     * @param pageNum
     * @throws Exception
     */
    public static void insertImageContent(String inputFilePath, String imagePath, String outputFilePath, Integer pageNum) throws Exception {
        File inputPDFFile = new File(inputFilePath);
        File outputPDFFile = new File(outputFilePath);

        try {
            PDDocument doc = PDDocument.load(inputPDFFile);
            PDImageXObject pdImage = PDImageXObject.createFromFile(imagePath, doc);

            PDPage page = doc.getPage(0);
            //注释的这行代码会覆盖原内容，没注释的那行不会覆盖
//            PDPageContentStream contentStream = new PDPageContentStream(doc, page);
            PDPageContentStream contentStream = new PDPageContentStream(doc, page, true, true, true);
            contentStream.drawImage(pdImage, 70, 250);
            contentStream.close();
            doc.save(outputPDFFile);
            doc.close();
            System.out.println("成功插入图片");
        } catch (IOException e) {
            e.printStackTrace();
        }
    }

    /**
     * 合并pdf文件
     *
     * @param pathList
     * @param targetPDFPath
     * @throws Exception
     */
    public static void mergePdf(List<String> pathList, String targetPDFPath) throws Exception {
        List<InputStream> inputStreams = new ArrayList<>();
        for (String path : pathList) {
            inputStreams.add(new FileInputStream(new File(path)));
        }
        PDFMergerUtility mergePdf = new PDFMergerUtility();
        File file = new File(targetPDFPath);

        if (!file.exists()) {
            file.delete();
        }

        mergePdf.addSources(inputStreams);
        mergePdf.setDestinationFileName(targetPDFPath);
        mergePdf.mergeDocuments();
        for (InputStream in : inputStreams) {
            if (in != null) {
                in.close();
            }
        }
    }


    /**
     * 将pdf文件分割成多个
     *
     * @param sourcePdfPath
     * @param splitPath
     * @param splitFileName
     * @throws Exception
     */
    public static void spiltPdf(String sourcePdfPath, String splitPath, String splitFileName) throws Exception {
        File targetDir = new File(splitPath);
        if (!targetDir.exists()) {
            targetDir.mkdirs();
        }
        int j = 1;
        String splitPdf = splitPath + File.separator + splitFileName + "_";

        // Loading an existing PDF document
        File file = new File(sourcePdfPath);
        PDDocument document = PDDocument.load(file);
        // Instantiating Splitter class
        Splitter splitter = new Splitter();
        splitter.setStartPage(1);
        splitter.setSplitAtPage(1);
        splitter.setEndPage(5);
        // splitting the pages of a PDF document
        List<PDDocument> Pages = splitter.split(document);
        // Creating an iterator
        Iterator<PDDocument> iterator = Pages.listIterator();
        // Saving each page as an individual document
        while (iterator.hasNext()) {
            PDDocument pd = iterator.next();
            String pdfName = splitPdf + j++ + ".pdf";
            pd.save(pdfName);
        }
        document.close();
    }


    public static void main(String args[]) throws IOException {
        // 1、读取pdf文件
//        String filePath = "F:\\image_test\\sample.pdf";
//        String content = readPdf(filePath);
//        System.out.println("读取内容:" + content);

        // 2、pdf中插入文字
//        String inFilePath = "F:\\image_test\\sample.pdf";
//        String outFilePath = "F:\\image_test\\sample2.pdf";
//        try {
//            insertWordContent(inFilePath,outFilePath,1,"插入的小狗文字");
//        } catch (Exception e) {
//            e.printStackTrace();
//        }

        // 3、pdf文件插入图片
//        String inFilePath = "F:\\image_test\\sample.pdf";
//        String imagePath = "F:\\image_test\\sun1.jpg";
//        String outFilePath = "F:\\image_test\\sample3.pdf";
//        try {
//            insertImageContent(inFilePath,imagePath,outFilePath,1);
//        } catch (Exception e) {
//            e.printStackTrace();
//        }

        // 4、合并pdf文件
//        String filePath1 = "F:\\image_test\\sample.pdf";
//        String filePath2 = "F:\\image_test\\sample2.pdf";
//        String outFilePath = "F:\\image_test\\sample4.pdf";
//        List<String> filePathList = new ArrayList<>();
//        filePathList.add(filePath1);
//        filePathList.add(filePath2);
//        try {
//            mergePdf(filePathList, outFilePath);
//        } catch (Exception e) {
//            e.printStackTrace();
//        }

        // 5、拆分pdf文件
        String inFilePath = "F:\\image_test\\sample4.pdf";
        String targetPath = "F:\\image_test\\11";
        String targetFileName = "aa";
        try {
            spiltPdf(inFilePath, targetPath, targetFileName);
        } catch (Exception e) {
            e.printStackTrace();
        }

    }
}

如上的示例代码，依次按照顺序执行main方法示例
（1）、执行1效果：
在这里插入图片描述
（2）执行2效果：创建新文件且插入文字。
在这里插入图片描述
示例2需要我们自行下载字体，可以以下地址下载：
https://www.fontke.com/font/10279514/download/
在代码的如下位置引入该字体文件
在这里插入图片描述

（3）、3执行效果，插入图片成功
在这里插入图片描述
（4）、4执行效果，合并pdf会出现2页
在这里插入图片描述
（5）、5执行效果，将多页的pdf文件进行一页一页分割
在这里插入图片描述

学海无涯苦作舟！！！

weisian151
关注
  • 0
    点赞
  • 踩
  • 3
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
专栏目录
【PDFBox】PDFBox操作PDF文档之读取指定页面文本内容、读取所有页面文本内容、根据模板文件生成PDF文档
•一个写代码的• •知识星球•https://t.zsxq.com/15rGFbGEk
07-18 5641
PDFBox操作文本内容，需要使用文本提取器PDTextStripper对象实现，这个PDTextStripper类提供了对文本内容操作的方法，例如：getText()获取文本，writeString()写入字符串等等，下面介绍PDFBox操作文本的几种情况。
Java 解析 PDF， pdfbox读取PDF内容
03-24
NULL 博文链接：https://snowdymy.iteye.com/blog/1114344
pdf文字识别-按行读取
zhijiesmile的博客
05-22 413
使用pdfbox识别pdf文字，因为pdf是无结构的，导致识别的时候内容错乱，如果需要识别的是文本，可以按照行识别，这样方便对照内容。可以借助PDFTextStripper类和文本行的位置信息来识别行。上述代码可以直接运行。
java读取pdf文档
qq_42314022的博客
02-27 6504
使用maven引入pdfbox依赖 <dependency> <groupId>org.apache.pdfbox</groupId> <artifactId>pdfbox</artifactId> <version>2.0.1</version> </dependency> <dependency
使用 Apache PDFBox 操作PDF文件
万猫学社
04-20 6018
Apache PDFBox库是一个用于处理PDF文档的开源Java工具。该项目允许创建新的PDF文档，操作现有PDF文档，并从PDF文档中提取内容。Apache PDFBox还包括几个命令行实用程序。
如何读取PDF中的表格数据（交易流水读取实战）？
流沙QuickSand
12-20 2382
如何读取PDF中的表格数据？一开始，也是百思不得其解，相关的资料也是少之又少。刚开始的思路也是先读取PDF，再根据坐标定位其中的文字信息，从而读取出来。思路差不多，关键是解决了问题。本文使用该工具包，并以支付宝流水和微信流水的PDF文件作为实战，需要的拿走。若支付宝微信官方没变更文档格式，截止目前，基本可以直接使用。
Springboot使用pdfbox提取PDF图片
后端开发
06-17 5101
PDFBox是一个用于创建和处理PDF文档的Java库。它可以使用Java代码创建、读取、修改和提取PDF文档中的内容。PDFBox的功能:Extract Text - 使用PDFBox，您可以从PDF文件中提取Unicode文本。Split & Merge - 使用PDFBox，您可以将单个PDF文件分成多个文件，并将它们合并为一个文件。Fill Forms - 使用PDFBox，您可以在文档中填写表单数据。Print - 使用PDFBox，您可以使用标准Java打印API打印PDF文件。
Java 读取PDF中表格的工具
u012998680的博客
02-28 9831
目录 1、方法1：Spire.PDF 1.1 Maven仓库下载导入 1.2 读取PDF中的表格 1.2.1 代码 1.2.2 表格内容​ 1.2.3 读取结果 2、方法2：Tabula 2.1 Maven仓库下载导入 2.2 读取PDF中的表格 2.2.1 代码 2.2.2 表格内容 2.2.3 抽取结果 3、终极大杀器：pdfbox 3.1 Maven仓库下载导入 3.2 读取PDF中的表格 3.2.1 代码 3.2.2 表格内容 3.2.3 抽取结果 4、总结 .
PDFBox操作PDF文档之读取指定页面文本内容、读取所有页面文本内容、根据模板文件生成PDF文档-支持Android
最新发布
空名先生
11-19 1168
第一个参数是text：表示当前读取到的文本内容。第二个参数是List：表示当前文本内容中某一个字符的坐标信息。/*** @Description: 自定义文本提取器，获取查找文本的坐标位置*//*** 查找的关键字集合*//*** 查找成功的关键字实体对象集合*/@Overridei < size;i++) {// 获取当前读取的字符// 当前字符 和 keyWord 关键字进行匹配if (!
通过pdfbox读取简单的表格信息
qq_39194156的博客
12-10 4221
通过pdfbox读取简单的表格信息 通过pdfbox读取简单的表格信息 Test.class /** * @author jingjinzhang */ public class Test { private static Logger logger = Logger.getLogger(Test.class); public static void main(String[]...
java读取pdf的文字、图片、线条和对应坐标
08-16
pdf文档的内容都是坐标定位的，文档内容主要包含文本、图片、线条；需要用到pdfbox和pdf2dom两个依赖包
java读取PDF所需要的包（pdfbox.jar）
05-07
今天用到java读取PDF和WORD文档的，网上找了大把没有看到jar包，找了别人要的包，分享给用的到的人，1分是强制的。。。
java 读取PDF文件中的内容
06-21
java 读取PDF文件中的内容 java 读取PDF文件中的内容
pdfbox-3.0.0-RC1.jar
09-12
pdfbox-3.0.0-RC1 PDFBox是Java实现的PDF文档协作类库，提供PDF文档的创建、处理以及文档内容提取功能，也包含了一些命令行实用工具。
pdfbox2.0.12读取pdf.zip
04-01
利用pdfbox读取pdf内容 ，对于大部分未加过密或不是用图片生成的pdf能读出来. 引入pdfbox-app-2.0.12， IKVM.Runtime, IKVM.OpenJDK.Util, IKVM.OpenJKD.Text IKVM.OpenJKD.SwingAWT IKVM.OpenJKD.Core 后运行按照...
pdfbox读取Pdf
08-18
可以正确读出pdf上面所有的文字和数字以及英文，demo中有俩个方法，最后一种是按照顺序的。demo下载即可使用
【Java】基于Pdfbox解析PDF文档中指定位置的文字和图片
12-22
Apache PDFBox是一个开源Java库，支持PDF文档的开发和转换。 我们可以使用PDFBox开发可以创建，转换和操作PDF文档的Java程序。PDFBox的主要功能： Extract Text – 使用PDFBox，您可以从PDF文件中提取Unicode文本。 ...
java读取pdf所需插件 fontbox-2.0.9
10-06
java读取pdf文件。fontbox的高版本真不好找啊，里面内附我们经常下载jar文件的网址
JAVA 解析电子发票 解析PDF 精准读取想要的数据 源码+JAR包
10-31
最近有个项目是要求将PDF版的电子发票，解析成文本格式，要求各个名称都对应，刚开始用的是PDFTextStripper.getText()，发现不能准确的抓到自己想要的数据，后来想了个办法，使用Rectangle，画多个矩形，精准定位，...
PDFBox –如何用Java读取PDF文件
06-10
要用Java读取PDF文件，可以使用Apache PDFBox库。PDFBox是一个开源的Java库，可以用于创建、操作和提取PDF文件中的文本和图像等。 以下是读取PDF文件的示例代码： ```java import java.io.File; import java.io.IOException; import org.apache.pdfbox.pdmodel.PDDocument; import org.apache.pdfbox.text.PDFTextStripper; public class ReadPDFFile { public static void main(String[] args) { try { // 读取PDF文件 PDDocument document = PDDocument.load(new File("example.pdf")); // 获取PDF文件的内容 PDFTextStripper pdfStripper = new PDFTextStripper(); String text = pdfStripper.getText(document); // 输出PDF文件的内容 System.out.println(text); // 关闭PDF文件 document.close(); } catch (IOException e) { e.printStackTrace(); } } } ``` 运行该程序后，将输出PDF文件的内容。

“相关推荐”对你有帮助么？

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值