【PdfBox】pdfbox解析PDF

最新推荐文章于 2023-08-04 09:19:57 发布

VIP文章遥寄三山

最新推荐文章于 2023-08-04 09:19:57 发布

1746

分类专栏： ●第三方文章标签： pdf 扫描

本文链接：https://blog.csdn.net/sds15732622190/article/details/77868792

版权

前言

有时候会有这样的需求，需要将pdf中的字解析出来，存入库中，查看了一下pdfbox的文档，大概有两种方案。

一、全文解析

当一个pdf中全是文字并且排列规整的时候，直接全文解析出来就好，以下是全文解析代码：

public String getTextFromPdf() throws Exception {
    String pdfPath = “pdf文件路径”;
    // 开始提取页数
    int startPage = 1;
    // 结束提取页数
    int endPage = Integer.MAX_VALUE;
    String content = null;
    File pdfFile = new File(pdfPath);
    PDDocument document = null;
    try {
        // 加载 pdf文档
        document = PDDocument.load(pdfFile);
        // 获取内容信息
        PDFTextStripper pts = new PDFTextStripper();
        pts.setSortByPosition(true);
        endPage = document.getNumberOfPages();