使用PDFBox读取pdf文件

简介

PDFBox是一个为开发人员读取和创建PDF文档而准备的纯Java类库。

导入相应的包

使用maven
<dependency>
    <groupId>org.apache.pdfbox</groupId>
    <artifactId>pdfbox</artifactId>
    <version>2.0.6</version>
</dependency>

下载网址

导入所需的包

或是直接上网址下载这几个jar包

代码

    private static String getContent(String path) throws Exception {
        //创建输入流对象
        FileInputStream fileInputStream = new FileInputStream(path);
        //创建解析器对象
        PDFParser pdfParser = new PDFParser(new RandomAccessBuffer(fileInputStream));
        pdfParser.parse();
        //pdf文档
        PDDocument pdDocument = pdfParser.getPDDocument();
        //pdf文本操作对象,使用该对象可以获取所读取pdf的一些信息
        PDFTextStripper pdfTextStripper = new PDFTextStripper();
        String content = pdfTextStripper.getText(pdDocument);
        //PDDocument对象时使用完后必须要关闭
        pdDocument.close();
        return content;
    }