Java中PDF转WORD

之前在逛网站时看到一个需求：实现将PDF中文字，图片，样式等转成word，xls，html等多种格式。
于是便尝试做了一下，总结如下（只有最下面的能实现，其他都只是我的总结）：

package com.lin.test;

import org.apache.pdfbox.pdmodel.PDDocument;
import org.apache.pdfbox.util.PDFTextStripper;

import java.io.*;

public class PdfToWord {

    public static void main(String[] args) {
        try {
            String pdfFile = "C:\\Users\\a\\Desktop\\滴滴出行行程报销单.pdf";
            PDDocument doc = PDDocument.load(new File(pdfFile));
            // 获取PDF页数
            int pageNumber = doc.getNumberOfPages();
            String pfdName = pdfFile.substring(0, pdfFile.lastIndexOf(".")) + ".doc";

            FileOutputStream fos = new FileOutputStream(pfdName);
            Writer writer = new OutputStreamWriter(fos, "utf-8");

            // PDF文本剥离器
            PDFTextStripper stripper = new PDFTextStripper();
            stripper.setSortByPosition(true);
            stripper.setStartPage(1);
            stripper.setEndPage(pageNumber);
            stripper.writeText(doc,writer);

            writer.close();
            doc.close();
            System.out.println("PDF转换WORD成功");
        } catch (IOException e) {
            e.printStackTrace();
        }
    }
}

在开始时我是使用PDFTextStrippe转换格式，但发现这方法 只能转纯文本，图片和格式这些都是没有。。 毕竟名字已经写得很清楚了TextStrippe（文本剥离）

下面方法是 导出PDF内部图片

package com.lin.test;

import org.apache.pdfbox.pdmodel.PDDocument;
import org.apache.pdfbox.pdmodel.PDPage;
import org.apache.pdfbox.pdmodel.PDResources;
import org.apache.pdfbox.pdmodel.graphics.xobject.PDXObjectImage;

import java.io.File;
import java.io.IOException;
import java.util.List;
import java.util.Map;
import java.util.Set;

public class PdfToWord {

    public static void main(String[] args) {
        try {
            String pdfFile = "C:\\Users\\a\\Desktop\\滴滴出行行程报销单.pdf";
            PDDocument doc = PDDocument.load(new File(pdfFile));

            List<PDPage> pages = doc.getDocumentCatalog().getAllPages();
            int count = 0;
            for (PDPage page : pages) {
                PDResources resources = page.getResources();
                Map<String, PDXObjectImage> images = resources.getImages();
                if (images != null) {
                    Set<String> imageNames = images.keySet();
                    for (String imageName : imageNames) {
                        count++;
                        PDXObjectImage image = images.get(imageName);
                        String name = imageName + "_" + count;
                        image.write2file("C:\\Users\\a\\Desktop\\test\\" + name);
                    }
                }
            }
            doc.close();
            System.out.println("PDF导出内部图片成功");
        } catch (IOException e) {
            e.printStackTrace();
        }
    }

}

然后我便想将PDF中的图片全部导出来，然后再放到word中，但是这样的话文字和图片是没有办法对上，而且格式还是没有。。。

最后在网上瞎逛了，发现实现方法其实很简单的，只需要引入spire.pdf包就可以，转换方法几乎都在里面有：

package com.lin.test;

import com.spire.pdf.FileFormat;
import com.spire.pdf.PdfDocument;

public class Pdf4 {
    public static void main(String[] args) {
        try {
            // PDF文件
            String pdfFile = "C:\\Users\\a\\Desktop\\滴滴出行行程报销单.pdf";
            PdfDocument pdf = new PdfDocument(pdfFile);
            // DOC文件
            String pfdName = pdfFile.substring(0, pdfFile.lastIndexOf(".")) + ".doc";
            pdf.saveToFile(pfdName, FileFormat.DOC);
            System.out.println("PDF导出内部图片成功");
        } catch (Exception e) {
            e.printStackTrace();
        }
    }
}

我这里直接简单转换格式而已，详细可以参考E-iceblue官网的帮助文档，里面有更多方法。。。