java解析PDF

java解析PDF文件（汉字及图片）

在工程需求中如何处理java解析pdf文件。

首先准备jar包：Spire.Pdf.jar，本人使用的是2.6.3版本。

1、解析pdf文字格式：

				public static String exportPDFUtil(String fileName) {
					// 创建PdfDocument实例
					PdfDocument doc = new PdfDocument();
					// 加载PDF文件
					doc.loadFromFile(fileName);
					StringBuilder sb = new StringBuilder();
					PdfPageBase page;
					// 遍历PDF页面，获取文本
					for (int i = 0; i < doc.getPages().getCount(); i++) {
						page = doc.getPages().get(i);
						sb.append(page.extractText(true));
						// 去除文件中的空白符
						sb.toString().replaceAll("\\s", "");
					}
					doc.close();
					return sb.toString();
				}

2、解析pdf图片格式：

				public static void main(String[] args) {
				// 创建PdfDocument实例
				PdfDocument doc = new PdfDocument();
				// 加载PDF文件
				doc.loadFromFile("E:\\test\\testq.pdf");
				int index = 0;
				// 遍历PDF文件中的页面
				for (PdfPageBase page : (Iterable<PdfPageBase>) doc.getPages()) {
					// 提取页面中的图片并保存至本地文件夹
					for (BufferedImage image : page.extractImages()) {
						File output = new File("E:/test/" + String.format("Image_%d.png", index++));
						try {
							ImageIO.write(image, "PNG", output);
						} catch (IOException e) {
							e.printStackTrace();
						}
					}
				}
			}