java tika pdf转图片_使用tika将pdf转为html

tika是个功能强大的项目,这里展示下如何使用tika来将pdf转为html。

maven

org.apache.tika

tika-core

1.16

org.apache.tika

tika-parsers

1.16

转换

public static String extractHtml(File file) throws IOException {

byte[] bytes = Files.toByteArray(file);

AutoDetectParser tikaParser = new AutoDetectParser();

ByteArrayOutputStream out = new ByteArrayOutputStream();

SAXTransformerFactory factory = (SAXTransformerFactory) SAXTransformerFactory.newInstance();

TransformerHandler handler;

try {

handler = factory.newTransformerHandler();

} catch (TransformerConfigurationException ex) {

throw new IOException(ex);

}

handler.getTransformer().setOutputProperty(OutputKeys.METHOD, "html");

handler.getTransformer().setOutputProperty(OutputKeys.INDENT, "yes");

handler.getTransformer().setOutputProperty(OutputKeys.ENCODING, "UTF-8");

handler.setResult(new StreamResult(out));

ExpandedTitleContentHandler handler1 = new ExpandedTitleContentHandler(handler);

try {

tikaParser.parse(new ByteArrayInputStream(bytes), handler1, new Metadata());

} catch (SAXException | TikaException ex) {

throw new IOException(ex);

}

return new String(out.toByteArray(), "UTF-8");

}

小结

效果对比的话,pdfDom的效果好一点。

  • 0
    点赞
  • 0
    收藏
    觉得还不错? 一键收藏
  • 0
    评论

“相关推荐”对你有帮助么?

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值