Java 讀取PDF中的表格

iceblue發表於2021-10-22

一、概述

本文以Java示例展示讀取PDF中的表格的方法。這裡匯入Spire.PDF for Javah中的jar包,並使用其提供的相關及方法來實現獲取表格中的文字內容。下表中整理了本次程式碼使用到的主要類、方法及解釋,供參考:

型別 描述
PdfDocument Class Represents a pdf document model.
PdfDocument. loadFromFile (string filename) Method Loads a PDF document.
PdfTableExtractor Class Represents the PDF table extractor.
PdfTable Class Defines a PDF table.
PdfTableExtractor. extractTable (int pageIndex) Method Extracts table from page.
PdfTable.getText(int rowIndex,int columnIndex) Method Gets Text in cell.
FileWriter. write() Method Saves extracted text in table to a .txt file.

 

 

 

 

 

 

 

 

 

 

 

 

二、環境配置

  • IntelliJ IDEA 2018(JDK 1.8.0)
  • PDF 測試文件
  • PDF Jar包:Spire.PDF for Java Version: 4.10.2

Jar包的兩種匯入方法

1. 手動匯入

將jar包下載到本地,解壓。然後執行如下步驟來手動匯入:​

 

 

 

2. Maven倉庫下載匯入

如果使用maven,需在pom.xml中配置maven路徑,指定依賴,如下:

<repositories>
    <repository>
        <id>com.e-iceblue</id>
        <url>https://repo.e-iceblue.cn/repository/maven-public/</url>
    </repository>
</repositories>
<dependencies>
    <dependency>
        <groupId>e-iceblue</groupId>
        <artifactId>spire.pdf</artifactId>
        <version>4.10.2</version>
    </dependency>
</dependencies>

三、讀取PDF中的表格

import com.spire.pdf.*;
import com.spire.pdf.utilities.PdfTable;
import com.spire.pdf.utilities.PdfTableExtractor;

import java.io.FileWriter;
import java.io.IOException;

public class ExtractTable {
    public static void main(String[] args)throws IOException {
        //載入PDF文件
        PdfDocument pdf = new PdfDocument();
        pdf.loadFromFile("test.pdf");

        //建立StringBuilder類的例項
        StringBuilder builder = new StringBuilder();

        //抽取表格
        PdfTableExtractor extractor = new PdfTableExtractor(pdf);
        PdfTable[] tableLists ;
        for (int page = 0; page < pdf.getPages().getCount(); page++)
        {
            tableLists = extractor.extractTable(page);
            if (tableLists != null && tableLists.length > 0)
            {
                for (PdfTable table : tableLists)
                {
                    int row = table.getRowCount();
                    int column = table.getColumnCount();
                    for (int i = 0; i < row; i++)
                    {
                        for (int j = 0; j < column; j++)
                        {
                            String text = table.getText(i, j);
                            builder.append(text+" ");
                        }
                        builder.append("\r\n");
                    }
                }
            }
        }

        //將提取的表格內容寫入txt文件
        FileWriter fileWriter = new FileWriter("ExtractedTable.txt");
        fileWriter.write(builder.toString());
        fileWriter.flush();
        fileWriter.close();
    }
}

表格內容讀取結果:

 

注意事項:

1. 注意使用的PDF Jar包版本為4.10.2,低於此版本的jar包不支援讀取表格;

2. 程式碼中的檔案路徑為 F:\IDEAProject\Table_PDF\test.pdf 和 F:\IDEAProject\Table_PDF\ExtractedTable.txt , 檔案路徑可自定義為其他路徑。

 

—End—

 

相關文章