Java：使用Itext读取pdf文本

最新推荐文章于 2024-05-27 15:49:44 发布

风萧萧1999

最新推荐文章于 2024-05-27 15:49:44 发布

阅读量6.2k

点赞数

文章标签： java maven 开发语言

本文链接：https://blog.csdn.net/u012998680/article/details/127127617

版权

本文以Java示例展示使用Itext读取pdf文本的方法。

1、Maven仓库

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 、读取PDF文本

2.1 读取整个PDF文本

/**
     * 用来读取pdf文件
     * @param fileName
     * @return
     * @throws IOException
     */
    public static String readPdfByPage(String fileName) {
        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
            PdfReader reader = new PdfReader(fileName);
            reader.setAppendable(true);
            // 对PDF文件进行解析，获取PDF文档页码
            int size = reader.getNumberOfPages();
            for(int i = 1 ; i < size + 1; ){
                //一页页读取PDF文本
                String pageStr = PdfTextExtractor.getTextFromPage(reader,i);
                result = result + pageStr + "\n" + "PDF解析第"+ (i)+ "页\n";
                i= i+1;
            }
            reader.close();
        } 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;
    }

2.2 读取某几页PDF文本

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
            PdfReader reader = new PdfReader(fileName);
            reader.setAppendable(false);
            // 对PDF文件进行解析，获取PDF文档页码
            int size = reader.getNumberOfPages();
            for(int i = from ; i <= end && i< size;i++ ){
                //一页页读取PDF文本
                String pageStr = PdfTextExtractor.getTextFromPage(reader,i);
                result = result + pageStr + "\n" + "PDF解析第"+ i+ "页\n";
            }
            reader.close();
        } 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;
    }