Java配合Tabula框架实现上传并解析PDF表格

功能：

解析上传的pdf表格，并存入数据库

---

最近有个需求，功能如上。百度了一下主要推荐的框架有两个。一个是Itext，另一个是PdfBox，都不太好用。

在之后发现了Tabula，功能很强大，就搜了搜有没有给Java调用的方法，就找到了下边的贴子：

https://blog.csdn.net/qq_36956002/article/details/101070525

感谢这位博主的分享，写的很好，大家跟着步骤走就可以整合到项目中了！

但是大家会发现下载的Tabula是从本地获取pdf文件的，我们需要改成获取上传的文件。方法如下：

1.创建MyCommandLineApp类，继承CommandLineApp类，重写extractTables方法。

重写也比较简单，原方法里要解析的File是通过路径生成的，只需要改成上传过来的File就可以了。这里的 if (line.hasOption(‘b’)是判断是否为批量上传的文件，没有重写，有需要可以自己改一下。 else if里的条件加了“”&& pdfFile == null”。

/**
 * 重写 extractTables() 方法，实现上传文件源
 * */
public class MyCommandLineApp extends CommandLineApp {
    public MyCommandLineApp(Appendable defaultOutput, CommandLine line) throws ParseException {
        super(defaultOutput, line);
    }

    public void extractTables(CommandLine line, File pdfFile) throws ParseException {
        // 批量上传未重写，还需要传递路径
        if (line.hasOption('b')) {
            if (line.getArgs().length != 0) {
                throw new ParseException("Filename specified with batch\nTry --help for help");
            } else {
                pdfFile = new File(line.getOptionValue('b'));
                if (!pdfFile.isDirectory()) {
                    throw new ParseException("Directory does not exist or is not a directory");
                } else {
                    this.extractDirectoryTables(line, pdfFile);
                }
            }
        } else if (line.getArgs().length != 1 && pdfFile == null) {
            throw new ParseException("Need exactly one filename\nTry --help for help");
        } else {
            if (!pdfFile.exists()) {
                throw new ParseException("File does not exist");
            } else {
                this.extractFileTables(line, pdfFile);
            }
        }
    }
}

2.TabulaUtil类中调用我们自己重写的方法

output这个方法会生成一个StringBuilder，数据格式参见文章开头的链接，然后用FastJson转成json格式，就可以继续操作了，操作json或者转实体之类的。（可能格式有一些问题无法直接转化，需要自己去按照Json格式微调）

到这里基本就可以了，其他写的不详细的地方参考文章开头贴的链接就ok了。

。
。
。

最后如果大家controller中是用的MultipartFile接受的文件，这里给一个MultipartFile to File转换类型的方法：

    public static File convert(MultipartFile file) throws IOException {
        File convFile = new File(file.getOriginalFilename());
        convFile.createNewFile();
        FileOutputStream fos = new FileOutputStream(convFile);
        fos.write(file.getBytes());
        fos.close();
        return convFile;
    }

后记

Java结合Tabule会有一些问题存在，比如只能解析到表格里的数据、表格有缺表格线的数据获取不到等等。
我想到的解决思路就是结合Tabula与pdfbox，还有拿到的坐标，一起来解决问题。

---

有问题希望大家多多指教！
谢谢阅读。

---