pdfbox简明教程

最新推荐文章于 2024-08-07 10:34:07 发布

艾小奇1995-3-17

最新推荐文章于 2024-08-07 10:34:07 发布

阅读量2.8k

点赞数

本文链接：https://blog.csdn.net/qq_38974131/article/details/77801565

版权

Apache PDFBox是一个开源的Java库，用于处理PDF文档。它支持文本提取、PDF合并与分割、表单填充、PDF/A验证等功能。本文介绍了PDFBox的主要特性，常用API如PDDocument、PDPageContentStream等，并提供了创建PDF、转换图片到PDF、从PDF中提取文本和将PDF转为图片等示例代码。

摘要由CSDN通过智能技术生成

pdfbox简明教程

1.概述

1.1.简介

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。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。

1.2.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：Lucene搜索引擎与PDF索引相集成。

2.1.常用API

PDDocument：表示PDF文档在内存中的形式。

PDPage：表示内存中PDF文档的页码对象，可由pDDocument.getPage(index)得到。

PDPageContentStream：输出流，往PDF文档中写内容的流。

PDFTextStripper：文本内容提取器类，用于从PDF文档中提取text的API。

PDFRenderer：PDF渲染器类，可以将PDF转换成图片缓存。

3.1.常见功能示例

以下是从官方示例中整理出的一些常用功能代码封装成的方法，加了一些注释。

依赖

~~~xml

    <dependency>
        <groupId>org.apache.pdfbox</groupId>
        <artifactId>pdfbox</artifactId>
        <version>2.0.6</version>
    </dependency>

    <dependency>
        <groupId>org.apache.pdfbox</groupId>
        <artifactI