PDFBOX-PDF替换、隐藏文字信息

最新推荐文章于 2024-08-30 07:18:19 发布
最新推荐文章于 2024-08-30 07:18:19 发布
阅读量1.1k 收藏 11
点赞数 4
分类专栏： 工具类 文章标签： pdf java maven
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/xrl00/article/details/136987276
版权

概览

基于PDFBOX，按行解析PDF，得到文字信息，然后根据定义的关键词进行匹配，定位文字坐标，从而实现根据文字划定区域并对内容进行替换或者隐藏；

Maven

        <!-- 引入 PDFBox 相关的依赖 开始 -->
        <dependency>
            <groupId>org.apache.pdfbox</groupId>
            <artifactId>pdfbox</artifactId>
            <version>2.0.29</version>
        </dependency>
        <dependency>
            <groupId>org.apache.pdfbox</groupId>
            <artifactId>fontbox</artifactId>
            <version>2.0.29</version>
        </dependency>
        <dependency>
            <groupId>org.apache.pdfbox</groupId>
            <artifactId>xmpbox</artifactId>
            <version>2.0.29</version>
        </dependency>
        <dependency>
            <groupId>org.apache.pdfbox</groupId>
            <artifactId>preflight</artifactId>
            <version>2.0.29</version>
        </dependency>
        <dependency>
            <groupId>org.apache.pdfbox</groupId>
            <artifactId>pdfbox-tools</artifactId>
            <version>2.0.29</version>
        </dependency>
        <dependency>
            <groupId>org.apache.pdfbox</groupId>
            <artifactId>jempbox</artifactId>
            <version>1.8.17</version>
        </dependency>
        <!-- 引入 PDFBox 相关的依赖 结束 -->
        <dependency>
            <groupId>org.projectlombok</groupId>
            <artifactId>lombok</artifactId>
            <version>1.18.30</version>
        </dependency>

查找的关键字实体类

package com.xrl;


import lombok.Data;

import java.io.Serializable;

/**
 * @version [v1.0]
 * @author: [xrl]
 * @create: [2024/03/05 17:59]
 * @Description: 查找的关键字实体类
 **/
@Data
public class KeyWordEntity implements Serializable {
    /**
     * 关键词
     */
    private String keyWord;
    /**
     * 序号
     */
    private Integer serialNumber;
    /**
     * pdf页上x坐标
     */
    private float x;
    /**
     * pdf页上y坐标
     */
    private float y;
    /**
     * 关键词的长度
     */
    private float width;
    /**
     * 关键词的高度
     */
    private float height;
}

自定义文本提取器

package com.xrl;

import lombok.Getter;
import org.apache.pdfbox.text.PDFTextStripper;
import org.apache.pdfbox.text.TextPosition;
import org.apache.pdfbox.util.Matrix;

import java.io.IOException;
import java.util.ArrayList;
import java.util.List;
import java.util.Objects;

/**
 * @version [v1.0]
 * @author: [xrl]
 * @create: [2024/03/05 17:59]
 * @Description: 自定义文本提取器，获取查找文本的坐标位置
 **/
public class KeyWordPositionStripper extends PDFTextStripper {

    /**
     * 查找的关键字集合
     */
    private final List<String> keyWordList;
    /**
     * 查找成功的关键字实体对象集合
     */
    @Getter
    private final List<KeyWordEntity> keyWordEntityList = new ArrayList<>();

    public KeyWordPositionStripper(List<String> keyWordList) throws IOException {
        this.keyWordList = keyWordList;
    }

    @Override
    protected void writeString(String text, List<TextPosition> positions) {
        int size = positions.size();
        int num = 0;
        for (String keyWord : keyWordList) {
            char[] chars = keyWord.toCharArray();
            for (int i = 0; i < size; i++) {
                // 获取当前读取的字符
                String currentChar = positions.get(i).getUnicode();
                // 当前字符 和 keyWord 关键字进行匹配
                if (!Objects.equals(currentChar, String.valueOf(chars[0]))) {
                    continue;
                }
                int count = 1;
                int j;
                for (j = 1; j < chars.length && i + j < size; j++) {
                    currentChar = positions.get(i + j).getUnicode();
                    if (!Objects.equals(currentChar, String.valueOf(chars[j]))) {
                        break;
                    }
                    count++;
                }
                // 匹配成功,记录文本的坐标位置
                if (!Objects.equals(count, chars.length)) {
                    continue;
                }
                TextPosition startPosition = positions.get(i);
                TextPosition endPosition = positions.get(i + j < size ? i + j : i + j - 1);
                // 创建实体对象
                KeyWordEntity entity = new KeyWordEntity();
                entity.setKeyWord(keyWord);
                // 获取起始字符坐标
                Matrix matrix = startPosition.getTextMatrix();
                float x = matrix.getTranslateX();
                float y = matrix.getTranslateY();
                // 获取结束字符坐标
                Matrix endMatrix = endPosition.getTextMatrix();
                float x2 = endMatrix.getTranslateX();
                // 获取字体大小
                float fontSizeInPt = startPosition.getFontSizeInPt();
                entity.setX(x);
                entity.setY(y - fontSizeInPt / 5);
                float width = i + j < size ? x2 - x : x2 - x + fontSizeInPt;
                entity.setWidth(width);
                entity.setHeight(fontSizeInPt);
                entity.setSerialNumber(num++);
                keyWordEntityList.add(entity);
            }
        }
    }
}

基于PDFBox的模板类

package com.xrl;

import org.apache.pdfbox.pdmodel.PDDocument;
import org.apache.pdfbox.pdmodel.font.PDType0Font;

import java.io.*;
import java.net.URL;
import java.net.URLConnection;
import java.util.*;
import java.util.List;

/**
 * @version [v1.0]
 * @author: [xrl]
 * @create: [2024/03/05 17:59]
 * @Description: 基于PDFBox的模板类
 **/
public abstract class PDFTextParsingAbstract {

    private static final String HTTP_PREFIX = "http://";

    private static final String HTTPS_PREFIX = "https://";

    /**
     * 读取PDF模板文件，替换指定关键字的数据
     *
     * @param keyWordMap  需要替换的关键字数据，key表示占位符，value表示替换后的内容
     * @param pdfPath     PDF模板文件的路径
     * @param destPdfPath 生成的目标PDF文件路径
     * @param fontPath    字体文件路径
     */
    public void replaceText(Map<String, String> keyWordMap, String pdfPath, String destPdfPath, String fontPath) {
        if (keyWordMap == null || keyWordMap.keySet().isEmpty()) {
            return;
        }
        Set<String> keyWordSet = keyWordMap.keySet();
        // 1、读取PDF模板文件
        PDDocument document;
        try {
            if (pdfPath.startsWith(HTTP_PREFIX) || pdfPath.startsWith(HTTPS_PREFIX)) {
                URLConnection pdfPathConn = new URL(pdfPath).openConnection();
                InputStream pdfIn = pdfPathConn.getInputStream();
                document = PDDocument.load(pdfIn);
            } else {
                document = PDDocument.load(new File(pdfPath));
            }

        } catch (IOException e) {
            throw new RuntimeException("读取PDF模板文件异常 [异常信息]: " + e);
        }

        // 2、创建自定义文本提取器
        KeyWordPositionStripper stripper;
        try {
            stripper = new KeyWordPositionStripper(new ArrayList<>(keyWordSet));
            stripper.setSortByPosition(true);
            stripper.getText(document);
        } catch (IOException e) {
            throw new RuntimeException("创建自定义文本提取器异常 [异常信息]: " + e);
        }

        // 3、获取关键字实体对象
        List<KeyWordEntity> keyWordEntityList = stripper.getKeyWordEntityList();

        // 4、加载外部字体文件
        PDType0Font font;
        try {
            if (fontPath.startsWith(HTTP_PREFIX) || fontPath.startsWith(HTTPS_PREFIX)) {
                URLConnection conn = new URL(fontPath).openConnection();
                InputStream is = conn.getInputStream();
                font = PDType0Font.load(document, is);
            } else {
                font = PDType0Font.load(document, new File(fontPath));
            }
        } catch (IOException e) {
            throw new RuntimeException("加载外部字体文件异常 [异常信息]: " + e);
        }

        // 5、自定义替换规则
        replacementRule(keyWordMap, keyWordEntityList, document, font);

        //6、 保存替换之后的文档
        try {
            if (destPdfPath.startsWith(HTTP_PREFIX) || destPdfPath.startsWith(HTTPS_PREFIX)) {
                saveOssPdf(document, destPdfPath);
            } else {
                document.save(destPdfPath);
            }

        } catch (IOException e) {
            throw new RuntimeException("文件保存异常 [异常信息]: " + e);
        }

        //7、 关闭文档
        try {
            document.close();
        } catch (IOException e) {
            throw new RuntimeException("关闭文档异常 [异常信息]: " + e);
        }
    }

    /**
     * 保存pdf文件到oss
     *
     * @param document    pdf模版文件
     * @param destPdfPath 生成的目标PDF文件路径
     */
    public abstract void saveOssPdf(PDDocument document, String destPdfPath);

    /**
     * 替换规则实现
     *
     * @param keyWordMap        需要替换的关键字数据，key表示占位符，value表示替换后的内容
     * @param keyWordEntityList 关键字实体对象
     * @param document          pdf模版文件
     * @param font              字体文件
     * @throws IOException
     */
    public abstract void replacementRule(Map<String, String> keyWordMap, List<KeyWordEntity> keyWordEntityList, PDDocument document, PDType0Font font);

}

测试实现类

package com.xrl;

import org.apache.pdfbox.pdmodel.PDDocument;
import org.apache.pdfbox.pdmodel.PDPageContentStream;
import org.apache.pdfbox.pdmodel.font.PDType0Font;

import java.awt.*;
import java.io.File;
import java.io.FileOutputStream;
import java.io.IOException;
import java.net.URL;
import java.nio.file.Paths;
import java.util.List;
import java.util.Map;
import java.util.Set;
import java.util.stream.Collectors;

/**
 * @version [v1.0]
 * @author: [xrl]
 * @create: [2024/03/07 11:03]
 * @Description: 测试实现类
 **/
public class PDFTextParsingAbstractImpl extends PDFTextParsingAbstract {
    /**
     * 保存pdf文件到oss
     *
     * @param document    pdf模版文件
     * @param destPdfPath 生成的目标PDF文件路径
     */
    @Override
    public void saveOssPdf(PDDocument document, String destPdfPath) {
        try {
            //1、本地创建临时文件夹
            File file = new File("temp");
            if (!file.exists() && !file.mkdirs()) {
                throw new RuntimeException("临时目录创建失败");
            }

            //2、构建文件名
            URL fileUrl = new URL(destPdfPath);
            String fileName = Paths.get(fileUrl.getPath()).getFileName().toString();
            fileName = file.getAbsolutePath() + File.separator + fileName;

            //3、保存文件文件
            FileOutputStream fos = new FileOutputStream(fileName);
            document.save(fos);
            fos.close();

            //4、上传线上 如oss

            //5、删除临时文件

        } catch (Exception e) {
            throw new RuntimeException("[文件：" + destPdfPath + "] 获取失败");
        }
    }

    /**
     * 替换规则实现
     *
     * @param keyWordMap        需要替换的关键字数据，key表示占位符，value表示替换后的内容
     * @param keyWordEntityList 关键字实体对象
     * @param document          pdf模版文件
     * @param font              字体文件
     */
    @Override
    public void replacementRule(Map<String, String> keyWordMap, List<KeyWordEntity> keyWordEntityList, PDDocument document, PDType0Font font) {
        Map<String, List<KeyWordEntity>> map = keyWordEntityList.stream()
                .collect(Collectors.groupingBy(KeyWordEntity::getKeyWord));
        Set<String> keyWordSet = keyWordMap.keySet();
        for (int t = 0; t < document.getNumberOfPages(); t++) {
            try {
                //1、得到页面
                PDPageContentStream stream = new PDPageContentStream(document, document.getPage(t), PDPageContentStream.AppendMode.APPEND, true);

                //2、循环替换指定关键字文本内容
                int size = keyWordSet.size();
                for (int i = 0; i < keyWordEntityList.size() / size; i++) {
                    KeyWordEntity entity1 = map.get("姓    名：").get(i);
                    KeyWordEntity entity2 = map.get("性    别：").get(i);
                    // 设置画笔颜色
                    stream.setNonStrokingColor(Color.blue);
                    // 划定覆盖区域
                    stream.addRect(entity1.getX() + entity1.getWidth() , entity1.getY(),
                            entity2.getX()  - entity1.getX() - entity1.getWidth(),entity1.getHeight() + 1 );
                    stream.fill();
                    // 替换关键字文本内容
                    stream.beginText();
                    stream.setFont(font, 14);
                    stream.newLineAtOffset(entity1.getX(), entity1.getY());
                    stream.showText(keyWordMap.get(entity1.getKeyWord()));
                    stream.endText();
                }

                //3、关闭内容流
                stream.close();
            } catch (IOException e) {
                throw new RuntimeException(e);
            }
        }
    }
}

测试运行

package com.xrl;

import java.io.IOException;
import java.util.HashMap;
import java.util.Map;

/**
 * @version [v1.0]
 * @author: [xrl]
 * @create: [2024/03/07 11:04]
 **/
public class PDFMain {

    public static void main(String[] args) throws IOException {
        Map<String, String> keyWordMap = new HashMap<>(3);
        keyWordMap.put("姓    名：", "");
        keyWordMap.put("性    别：", "");
        // 模拟测试 隐藏姓名
        PDFTextParsingAbstractImpl pdfTextParsing = new PDFTextParsingAbstractImpl();
//        pdfTextParsing.replaceText(keyWordMap,
//                "https://******/20240307112342.pdf",
//                "https://******/20240307112342.pdf",
//                "https://******/源柔黑体.ttf");
        pdfTextParsing.replaceText(keyWordMap,
                "E:/work_space_zw/pdf/pdf/4020.pdf",
                "E:\\work_space_zw\\pdf\\pdf\\4020.pdf",
                "E:\\work_space_zw\\pdf\\pdf\\源柔黑体.ttf");

    }
}

测试效果

运行前
在这里插入图片描述
运行后
在这里插入图片描述

xrl66
关注
专栏目录
Java 在PDF中替换文字（详解）
nuclear2011的博客
07-16 2701
这篇文章介绍了使用Java在PDF中替换文字的几种不同的方式，以及可能出现的问题和解决方案。包括详细的步骤介绍和代码示例。
PDFBOX替换文本（pdfbox版本2.0.24）
JiGoLiZe_Bs的博客
11-25 4046
pdfbox文本替换，文字替换，支持中文
推荐项目：Pdfboxing - Clojure世界中的PDF操作利器
最新发布
gitblog_00083的博客
08-30 759
推荐项目：Pdfboxing - Clojure世界中的PDF操作利器 pdfboxingNice wrapper of PDFBox in Clojure项目地址:https://gitcode.com/gh_mirrors/pd/pdfboxing 在数字化时代，PDF文档的处理是日常工作中不可或缺的一环。今天，我们要推荐的是一个专为Clojure设计的强大PDF操作库——Pdfboxing...
Java使用Pdfbox做文本替换
weixin_43972546的博客
02-29 2177
Java使用PDFBox做文本内容替换
java pdfbox替换pdf里的内容
weixin_42085310的博客
06-29 359
使用Java PDFBox替换PDF里的内容 在现代社会中，PDF是一种非常常见的文档格式，被广泛应用于各种场景中，如电子书、合同、报告等。有时候我们需要对PDF文档进行编辑，其中一个常见的需求就是替换PDF文件中的内容。本文将介绍如何使用Java PDFBox库来实现这一功能。 什么是Java PDFBox Apache...
java PDFBOX(2.0.25) 修改文本内容
taoli188的博客
04-21 3614
PDFBOX 文本内容修改
PDFBox
weixin_33712987的博客
05-05 186
http://pdfbox.apache.org/downloads.html Lucene:https://lucene.apache.org/ 转载于:https://www.cnblogs.com/dmdj/p/3709589.html
pdfbox-app-2.0.31.jar
04-10
从 https://pdfbox.apache.org/ 下载，太费时了。 为了节约你的时间，我上传了这个 pdfbox-app-2.0.31.jar
pdfbox-2.0.8.jar,fontbox-2.0.8.jar,pdfbox-tools-2.0.8.jar
01-09
在这个压缩包中，我们找到了三个核心的JAR文件：`pdfbox-2.0.8.jar`, `fontbox-2.0.8.jar`, 和 `pdfbox-tools-2.0.8.jar`，它们分别对应PDFBox的主要功能模块。 1. **pdfbox-2.0.8.jar**： 这是PDFBox的核心库，...
PdfBox-Android:Apache PdfBox项目已移植为可在Android上使用
04-28
PdfBox-Android Apache的PdfBox库的端口可在Android上使用。 大多数功能应在现在实现。 可以将功能请求添加到问题跟踪器。 可以从jcenter作为Gradle依赖项添加稳定的发行版。 该项目的主要代码是根据Apache 2.0...
pdfbox-1.8.2.jar
11-23
`pdfbox-1.8.2.jar`是该库的一个版本，主要用于在Java应用程序中进行PDF文档的创建、读取、修改和转换。下面将详细阐述PDFBox库的功能和使用方法。 1. **PDFBox的基本功能** - **读取PDF**：PDFBox提供API来读取...
pdfbox 提取 pdf 中 文字和图片 并 可转 html
01-27
pdfbox 提取 pdf 中 文字和图片 并 可转 html 分2个文件，一个专门提取文本，内容可转为html，另一个文件专门用来提取图片，大家可自行整合为一个文件。使用pdfbox最新提取图片的方法。
pdfbox-1.7.0
01-09
pdf比对。
PDFBox-2.0.19 for .Net | c#用PDFBox解析PDF
03-22
pdfbox for .Net目前的最新版PDFBox-2.0.19 用法： 将压缩包内所有dll拷贝到项目编译目录， 在项目中引用 IKVM.OpenJDK.Core.dll IKVM.OpenJDK.SwingAWT.dll pdfbox-app-2.0.19.dll 在代码中引入命名空间using org....
PDF文件替换内容（电子签章），依赖免费pdfbox
拥之则安的博客
02-17 3444
PDF文件内容替换（可实现电子签章功能），依赖为免费的pdfbox。附源码和详细代码注释。（代码符合阿里规约）
【PDFBox】PDFBox操作PDF文档之创建PDF文档、加载PDF文档、添加空白页面、删除页面、获取总页数、添加文本内容、PDFBox坐标系
✅ Java 开发工程师，从事 Web 应用程序的研发，擅长 Spring、SpringBoot 等技术。 ✅ 热爱编程，业余时间学习新知识，通过 CSDN 记录学习心得和笔记内容。
07-11 7317
PDFBox是Apache提供的一款专门用于操作PDF文档的工具组件，使用PDFBox可以很方便对PDF文档进行各种操作，例如：创建PDF文档、读取PDF文档内容、加载PDF文档内容、合并PDF文档、拆分PDF文档等等，使用PDFBox需要引入对应的依赖，这篇文章就基于下面的依赖，介绍一下PDFBox中一些常见的方法及其使用方式。-- 引入 PDFBox 相关的依赖 开始 -->-- 引入 PDFBox 相关的依赖 结束 -->
【XEasyPDF】pdfbox替换itext，简易demo
qq_42312104的博客
07-13 2015
使用XEasyPDf生成pdf
pdfbox-debugger
12-18
pdfbox-debugger是一个用于调试和检查PDF文件的工具。它是Apache PDFBox项目的一部分，提供了一种简单的方式来查看PDF文件的内容和结构。 使用pdfbox-debugger，用户可以打开并查看PDF文件的内部结构，包括页面内容、文本、图形和注释等。用户可以通过该工具来查看PDF文件的字体信息、颜色空间、图片嵌入和链接等细节。这对于开发人员和测试人员来说是非常有用的，可以帮助他们快速定位和解决PDF文件中的问题。 pdfbox-debugger还提供了一些高级功能，如在PDF页面上绘制网格线、测量文本和图形等工具。通过这些功能，用户可以更加直观地了解PDF文件的布局和格式，从而更好地理解PDF文件的构造和特性。 总的来说，pdfbox-debugger是一个强大而实用的工具，它为用户提供了对PDF文件进行深入分析和检查的能力。无论是开发人员、测试人员还是普通用户，都可以通过这个工具来更加方便地理解和处理PDF文件。在处理PDF文件时，pdfbox-debugger可以帮助用户快速定位问题并提供相应的解决方案，从而提高工作效率和质量。
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
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
实付元
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