本文介绍如何使用Java的PDFBox库将PDF转换为String，并处理转换后的文本格式，使其更易读。通过替换多余的换行符和空白字符，提高了文本的可读性。同时，对比了Python中使用pdfminer进行相同操作的方法。
在尝试pdf转成String的时候，首先用python的pdfminer和pdfminer3k去尝试转换，然后资料看不太懂，就尝试用了java，
以下是java的pdfbox写的pdf转String函数(main函数没有贴出来，直接用的一个全局函数) 需要加入的包有
百度搜一下pdfbox去官网下载一个放在lib里就行了
然后比较重要的突破是能把原来生成格式比较混乱的String处理成比较能看的String
效果如下：
没有转换前输出格式如下
转换后格式：
代码如下：
import java.io.*;
import org.apache.pdfbox.pdmodel.PDDocument;
import org.apache.pdfbox.text.PDFTextStripper;<
最低0.47元/天 解锁文章
扫一扫
1271
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
