Java 讀取PDF中的文本和圖片

本文將介紹通過Java程序來讀取PDF文檔中的文本和圖片的方法。分別調用方法extractText()和extractImages()來讀取。

使用工具：Free Spire.PDF for Java（免費版）
Jar文件獲取導入：
方法1：通過官網下載jar文件包。下載後，解壓文件，並將lib文件夾下的Spire.Pdf.jar文件導入java程序。導入後如下圖：

方法2： 可通過maven倉庫安裝導入，可參考導入方法。

Java代碼示例
【示例1】讀取PDF中的文本

import com.spire.pdf.*;

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

public class ExtractText {
    public static void main(String[]args) throws Exception {
        //加載測試文檔
        PdfDocument pdf = new PdfDocument("sample.pdf");

        //實例化StringBuilder類
        StringBuilder sb = new StringBuilder();
        //定義一個int型變量
        int index = 0;

        //遍歷PDF文檔中每頁
        PdfPageBase page;
        for (int i= 0; i<pdf.getPages().getCount();i++) {
            page = pdf.getPages().get(i);
            //調用extractText()方法提取文本
            sb.append(page.extractText(true));
            FileWriter writer;
            try {
                //將StringBuilder對象中的文本寫入到txt
                writer = new FileWriter("ExtractText.txt");
                writer.write(sb.toString());
                writer.flush();
            } catch (IOException e) {
                e.printStackTrace();
            }
          }
        pdf.close();
        }
    }

文本讀取結果：

【示例2】讀取PDF中的圖片

import com.spire.pdf.*;
import javax.imageio.ImageIO;
import java.awt.image.BufferedImage;
import java.io.File;

public class ExtractImg {
    public static void main(String[] args) throws Exception{
        //加載測試文檔
        PdfDocument pdf = new PdfDocument();
        pdf.loadFromFile("test.pdf");

        //定義一個int型變量
        int index = 0;

        //遍歷PDF每一頁
        for (int i= 0;i< pdf.getPages().getCount(); i ++){
           //獲取PDF頁面
            PdfPageBase page = pdf.getPages().get(i);

            //使用extractImages方法獲取頁面上圖片
            for (BufferedImage image : page.extractImages()) {

                //指定輸出圖片名稱
                File output = new File( String.format("Image_%d.png", index++));
                //將圖片保存爲PNG格式文件
                ImageIO.write(image, "PNG", output);
            }
        }
    }
}

圖片讀取結果：

（本文完）