本文將介紹通過Java程式來讀取PDF文件中的文字和圖片的方法。分別呼叫方法extractText()和extractImages()來讀取。
使用工具:Free Spire.PDF for Java(免費版)
Jar檔案獲取匯入:
方法1:通過官網下載jar檔案包。下載後,解壓檔案,並將lib資料夾下的Spire.Pdf.jar檔案匯入java程式。匯入後如下圖:
方法2: 可通過maven倉庫安裝匯入。
Java程式碼示例
import com.spire.pdf.*; import javax.imageio.ImageIO; import java.awt.image.BufferedImage; import java.io.File; import java.io.FileWriter; import java.io.IOException; public class ExtractText { public static void main(String[]args) throws Exception { //載入測試文件 PdfDocument pdf = new PdfDocument("sample.pdf"); //例項化StringBuilder類 StringBuilder sb = new StringBuilder(); //定義一個int型變數 int index = 0; //遍歷PDF文件中每頁 PdfPageBase page; for (int i= 0; i<pdf.getPages().getCount();i++) { page = pdf.getPages().get(i); //呼叫extractText()方法提取文字 sb.append(page.extractText(true)); FileWriter writer; try { //將StringBuilder物件中的文字寫入到txt writer = new FileWriter("ExtractText.txt"); writer.write(sb.toString()); writer.flush(); } catch (IOException e) { e.printStackTrace(); } //呼叫extractImages方法獲取圖片 for (BufferedImage image : page.extractImages()) { //指定輸出圖片名,指定圖片格式 File output = new File(String.format("Image_%d.png", index++)); ImageIO.write(image, "PNG", output); } } pdf.close(); } }
文字和圖片讀取效果:
(本文完)