java box类调用_PDFBox读取文档

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