本篇文章帮大家学习PDFBox读取文档,包含了PDFBox读取文档使用方法、操作技巧、实例演示和注意事项,有一定的学习价值,大家可以用来参考。
在前一章中,我们已经学习了如何将文本添加到现有的PDF文档。 在本章中,我们将学习如何从现有PDF文档中读取文本。
从现有的PDF文档中提取文本
提取文本是PDFBox的主要功能之一。 可以使用PDFTextStripper类的getText()方法提取文本。 这个类从给定的PDF文档中提取所有文本。
以下是从现有PDF文档中提取文本的步骤。
第1步:加载现有的PDF文档
使用PDDocument类的静态方法load()加载现有的PDF文档。 此方法接受一个文件对象作为参数,因为这是一个静态方法,可以使用类名称调用它,如下所示。
File file = new File("path_of_the_document");
PDDocument document = PDDocument.load(file);
第2步:实例化PDFTextStripper类
PDFTextStripper类提供了从PDF文档中检索文本的方法,因此,请按如下所示实例化此类。
PDFTextStripper pdfStripper = new PDFTextStripper();
第3步:检索文本
使用PDFTextStripper类的getText()方法从PDF文档读取/检索页面的内容。 对于此方法,需要将文档对象作为参数传递。 此方法检索给定文档中的文本并以String对象的形式返回。
String text = pdfStripper.getText(document);
第4步:关闭文档