PDF
- Portable Document Format 的简称,意为“便携式文档格式”
- Adobe公司方法
- PostScript,用以生成和输出图形,在任何打印机上都可以保证精准的的颜色和准确的打印效果
- 字型嵌入系统,可使字型随文件一起传输
- 结构化的存储系统,绑定元素和任何相关内容到单个文件,带有适当的数据压缩系统
处理和第三方包
- 常见功能处理
– 解析PDF
– 生成PDF(其他类型文件转化)
- 第三方包
– Apache PDFBox
– iText(收费)
– XDocReport(将docx转化为PDF)
PDFBox
- 纯Java类库
- 主要功能:创建,提取文本,分隔/合并/删除…
- 主要类
– PDDocument pdf文档对象
– PDFTextStripper pdf文本对象
– PDFMergerUtility 合并工具
public static void main(String[] args){
File pdfFile = new File("simple.pdf");
PDDocument document = null;
try
{
document=PDDocument.load(pdfFile);
AccessPermission ap = document.getCurrentAccessPermission();
if (!ap.canExtractContent())
{
throw new IOException("你没有权限抽取文本");
}
int pages = document.getNumberOfPages();
PDFTextStripper stripper=new PDFTextStripper();
stripper.setSortByPosition(true);
stripper.setStartPage(1);
stripper.setEndPage(pages);
String content = stripper.getText(document);
System.out.println(content);
}
catch(Exception e)
{
System.out.pri