概述

一般来说，咱们无奈对PDF文档格局的内容进行批改编辑，但当咱们确有此需要时，可通过提取文本内容的形式来实现。本文就将介绍如何通过Java代码来提取PDF文档中的文本内容。

此教程用到的第三方控件是Free Spire.PDF for Java（免费版）。依据不同需要，它能够反对以下三方面的提取性能。

  • 提取PDF文档中的所有文本内容
  • 提取PDF指定页面的文本内容
  • 提取PDF指定区域的文本内容

Jar包的获取及导入

在运行代码前，需将Free Spire.PDF for Java控件中的Jar包导入IDEA中。导入形式有两种：其一，在官网上下载产品包，解压后将lib文件夹下的Spire.Pdf.jar手动导入IDEA；其二，在IDEA中创立一个Maven我的项目，而后在pom.xml文件中键入以下代码，最初点击“Import Changes”即可。

<repositories><repository><id>com.e-iceblue</id><url>http://repo.e-iceblue.cn/repository/maven-public/</url></repository></repositories><dependencies><dependency><groupId>e-iceblue</groupId><artifactId>spire.pdf.free</artifactId><version>3.9.0</version></dependency></dependencies>

示例代码

示例1 提取PDF文档中的所有文本内容
import com.spire.pdf.PdfDocument;import com.spire.pdf.PdfPageBase;import java.io.*;public class ExtractAllText {    public static void main(String[] args) {        //创立PdfDocument实例 PdfDocument doc=new PdfDocument();        //加载PDF文档 doc.loadFromFile("C:UsersTest1DesktopSample.pdf");        //创立StringBuilder实例 StringBuilder sb=new StringBuilder();        PdfPageBase page;        //遍历PDF页面，获取每个页面的文本并增加到StringBuilder对象 for(int i=0;i<doc.getPages().getCount();i++){            page=doc.getPages().get(i);            sb.append(page.extractText(true));        }        FileWriter writer;        try {            //将StringBuilder对象中的文本写入到文本文件 writer = new FileWriter("output/ExtractAllText.txt");            writer.write(sb.toString());            writer.flush();        } catch (IOException e) {            e.printStackTrace();        }        doc.close();    }}

提取成果：

示例2 提取PDF指定页面的文本内容
import com.spire.pdf.*;import java.io.BufferedWriter;import java.io.File;import java.io.FileWriter;import java.io.IOException;public class ExtractTextFromParticularPage {    public static void main(String[] args) throws IOException {        //加载PDF文档 PdfDocument pdf = new PdfDocument();        pdf.loadFromFile("C:UsersTest1DesktopSample.pdf");        //创立.txt文件，用于保留提取的文本 String result = "output/extractTextFromAParticularPage.txt";        File file=new File(result);        if(!file.exists()){            file.delete();        }        file.createNewFile();        FileWriter fw=new FileWriter(file,true);        BufferedWriter bw=new BufferedWriter(fw);        //获取第一页的文本 PdfPageBase page = pdf.getPages().get(0);        String text = page.extractText(true);       //String text = page.extractText(false); bw.write(text);        bw.flush();        bw.close();        fw.close();    }}

提取成果：

示例3 提取PDF指定区域的文本内容
import com.spire.pdf.*;import java.awt.geom.Rectangle2D;import java.io.BufferedWriter;import java.io.File;import java.io.FileWriter;import java.io.IOException;public class ExtractTextFromSpecificArea {    public static void main(String[] args) throws IOException {        //加载PDF文档 PdfDocument pdf = new PdfDocument();        pdf.loadFromFile("C:UsersTest1DesktopSample.pdf");        //创立.txt文件，用于保留提取的文本 File file=new File("output/ExtractTextFromASpecifiedArea.txt");        if(!file.exists()){            file.delete();        }        file.createNewFile();        FileWriter fw=new FileWriter(file,true);        BufferedWriter bw=new BufferedWriter(fw);        //获取第一页 PdfPageBase page = pdf.getPages().get(0);        //提取第一页指定区域的文本 String text = page.extractText(new Rectangle2D.Float(80, 20, 500, 110));        bw.write(text);        bw.flush();        bw.close();        fw.close();    }}

提取成果：