java读取PDF内容

1441分钟2024-04-2819江苏南京0

文章摘要

本文介绍使用Apache PDFBox库解析PDF文档的方法。首先添加pdfbox 2.0.24依赖，然后通过PDDocument加载PDF文件，利用PDFTextStripper提取文本内容，最后关闭文档释放资源。代码示例展示了完整的PDF文本提取流程。

有的时候博客内容会有变动，首发博客是最新的，其他博客地址可能会未同步,认准https://blog.zysicyj.top

可点击链接https://blog-1253652709.cos.ap-guangzhou.myqcloud.com//picgo/202401180921373.png 解答疑问

依赖

 <dependency>
    <groupId>org.apache.pdfbox</groupId>
    <artifactId>pdfbox</artifactId>
    <version>2.0.24</version>
</dependency>

代码

import java.io.File;
import java.io.IOException;
import org.apache.pdfbox.pdmodel.PDDocument;
import org.apache.pdfbox.text.PDFTextStripper;

public class PDFParser {

    public static void main(String[] args) {
        try {
            // 加载PDF文档
            File file = new File("example.pdf");
            PDDocument document = PDDocument.load(file);

            // 创建PDFTextStripper对象
            PDFTextStripper pdfStripper = new PDFTextStripper();

            // 获取PDF文档内容
            String text = pdfStripper.getText(document);
            System.out.println("PDF内容:\n" + text);

            // 关闭文档
            document.close();
        } catch (IOException e) {
            e.printStackTrace();
        }
    }
}