Java的PDF分页操作：分页读取、分页拆分

最新推荐文章于 2024-08-15 17:30:44 发布

风萧萧1999

最新推荐文章于 2024-08-15 17:30:44 发布

阅读量5.8k

点赞数 1

文章标签： java 大数据数据挖掘

本文链接：https://blog.csdn.net/u012998680/article/details/123922228

版权

本文展示了如何使用Java进行PDF分页读取和分页拆分。首先介绍了在Maven中添加Apache PDFBox库来实现分页读取PDF内容，并提供了详细的代码示例。然后，通过引入iTextPDF库，讲解了如何将PDF文件按页拆分成多个子文件。文章还提供了相关库的官网链接供进一步学习。

摘要由CSDN通过智能技术生成

本文以Java示例展示读取PDF分页读取、分页拆分的方法。

1、分页读取

1.1 Maven仓库下载导入

在pom.xml中配置maven路径，指定依赖，如下：

<dependency>
<groupId>org.apache.pdfbox</groupId>
<artifactId>pdfbox</artifactId>
<version>2.0.15</version>
</dependency>


<dependency>
<groupId>org.apache.pdfbox</groupId>
<artifactId>fontbox</artifactId>
<version>2.0.15</version>
</dependency>

<dependency>
<groupId>org.apache.pdfbox</groupId>
<artifactId>jempbox</artifactId>
<version>1.8.16</version>
</dependency>

1.2 读取

1.2.1 代码

//String fileName: PDF路径;
//int from:要读取得PDF开始页码；
//int end:要读取得PDF结束页码；
//每页之间分割字符串：“PDF解析第\d+页”
public static String readPdfByPage(String fileName, int from, int end) {
        String result = "";
        File file = new File(fileName);
        FileInputStream in = null;
        try {
            in = new FileInputStream(fileName);
            // 新建一个PDF解析器对象
            PDFParser parser = new PDFParser(new RandomAccessFile(file,"rw"));
            // 对PDF文件进行解析
            parser.parse();
            // 获取解析后得到的PDF文档对象
            PDDocument pdfdocument = parser.getPDDocument();
            int size = pdfdocument.getNumberOfPages();
            // 新建一个PDF文本剥离器
            PDFTextStripper stripper = new PDFTextStripper();
            stripper.setSortByPosition(false); //sort:设置为true则按照行进行读取，默认是false
            //一页一页读取
            for(int i = from ; i <= end;i++ ){
               // 设置起始页
                stripper.setStartPage(i);
               // 设置结束页
                stripper.setEndPage(i);
                // 从PDF文档对象中剥离文本
                String pageStr = stripper.getText(pdfdocument);
                result = result + pageStr + "\n" + "PDF解析第"+ i + "页\n";
            }

                //一次读取完
                // 设置起始页
                // stripper.setStartPage(from);
               // 设置结束页
               //  stripper.setEndPage(end);
                // 从PDF文档对象中剥离文本
               //  String result = stripper.getText(pdfdocument);

        } catch (Exception e) {
            System.out.println("读取PDF文件" + file.getAbsolutePath() + "生失败！" + e);
            e.printStackTrace();
        } finally {
            if (in != null) {
                try {
                    in.close();
                } catch (IOException e1) {
                }
            }
        }
        return result;
    }

1.2.2 读取效果

2、分页拆分

2.1 Maven仓库下载导入

在pom.xml中配置maven路径，指定依赖，如下：

<dependency>
    <groupId>com.itextpdf</groupId>
    <artifactId>itextpdf</artifactId>
    <version>5.5.1</version>
    <type>jar</type>
</dependency>

2.2 读取

2.2.1 代码

public static void pdfToSub(String filePath,String newFile, int from, int end) {
        Document document = null;
        PdfCopy copy = null;
        try {
            PdfReader reader = new PdfReader(filePath);
            //总页数
            int n = reader.getNumberOfPages();
            if (end == 0) {
                end = n;
            }
            document = new Document(reader.getPageSize(1));
            copy = new PdfCopy(document, new FileOutputStream(newFile));
            document.open();
            for (int j = from; j <= end; j++) {
                document.newPage();
                PdfImportedPage page = copy.getImportedPage(reader, j);
                copy.addPage(page);
            }
            document.close();
        } catch (Exception e) {
            e.printStackTrace();
        }
    }