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—