java中如何解析pdf文件

本篇文章给大家分享的是有关java中如何解析pdf文件，小编觉得挺实用的，因此分享给大家学习，希望大家阅读完这篇文章后可以有所收获，话不多说，跟着小编一起来看看吧。

第一种 使用开源组织提供的开源框架 pdfbox

api ： https://pdfbox.apache.org/

特点:免费，功能强大，解析中文或许会存在乱码，格式有点乱，没有国产解析的那么美化。

可以按照指定的模板，对pdf进行修改添加删除等操作，总之操作很骚，很强大。

1 pdfbox 需要带入依赖

               org.apache.pdfbox            pdfbox            2.0.15                                    org.apache.pdfbox            fontbox            2.0.15                                    org.apache.pdfbox            jempbox            1.8.16        

2 代码

/** * 功能 PDF读写类 * @CreateTime 2011-4-14 下午02:44:11 */public class PDFUtil {    //  public static final String CHARACTOR_FONT_CH_FILE = "SIMFANG.TTF";  //仿宋常规    public static final String CHARACTOR_FONT_CH_FILE = "SIMHEI.TTF";  //黑体常规    public static final Rectangle PAGE_SIZE = PageSize.A4;    public static final float MARGIN_LEFT = 50;    public static final float MARGIN_RIGHT = 50;    public static final float MARGIN_TOP = 50;    public static final float MARGIN_BOTTOM = 50;    public static final float SPACING = 20;    private Document document = null;    /**     * 功能：创建导出数据的目标文档     * @param fileName 存储文件的临时路径     * @return     */    public void createDocument(String fileName) {        File file = new File(fileName);        FileOutputStream out = null;        document = new Document(PAGE_SIZE, MARGIN_LEFT, MARGIN_RIGHT, MARGIN_TOP, MARGIN_BOTTOM);        try {            out = new FileOutputStream(file);//          PdfWriter writer =            PdfWriter.getInstance(document, out);        } catch (FileNotFoundException e) {            e.printStackTrace();        } catch (DocumentException e) {            e.printStackTrace();        }        // 打开文档准备写入内容        document.open();    }    /**     * 将章节写入到指定的PDF文档中     * @param chapter     * @return     */    public void writeChapterToDoc(Chapter chapter) {        try {            if(document != null) {                if(!document.isOpen()) document.open();                document.add(chapter);            }        } catch (DocumentException e) {            e.printStackTrace();        }    }    /**     * 功能  创建PDF文档中的章节     * @param title 章节标题     * @param chapterNum 章节序列号     * @param alignment 0表示align=left，1表示align=center     * @param numberDepth 章节是否带序号 设值=1 表示带序号 1.章节一；1.1小节一...，设值=0表示不带序号     * @param font 字体格式     * @return Chapter章节     */    public static Chapter createChapter(String title, int chapterNum, int alignment, int numberDepth, Font font) {        Paragraph chapterTitle = new Paragraph(title, font);        chapterTitle.setAlignment(alignment);        Chapter chapter = new Chapter(chapterTitle, chapterNum);        chapter.setNumberDepth(numberDepth);        return chapter;    }    /**     * 功能：创建某指定章节下的小节     * @param chapter 指定章节     * @param title 小节标题     * @param font 字体格式     * @param numberDepth 小节是否带序号 设值=1 表示带序号 1.章节一；1.1小节一...，设值=0表示不带序号     * @return section在指定章节后追加小节     */    public static Section createSection(Chapter chapter, String title, Font font, int numberDepth) {        Section section = null;        if(chapter != null) {            Paragraph sectionTitle = new Paragraph(title, font);            sectionTitle.setSpacingBefore(SPACING);            section = chapter.addSection(sectionTitle);            section.setNumberDepth(numberDepth);        }        return section;    }    /**     * 功能：向PDF文档中添加的内容     * @param text 内容     * @param font 内容对应的字体     * @return phrase 指定字体格式的内容     */    public static Phrase createPhrase(String text,Font font) {        Phrase phrase = new Paragraph(text,font);        return phrase;    }    /**     * 功能：创建列表     * @param numbered  设置为 true 表明想创建一个进行编号的列表     * @param lettered 设置为true表示列表采用字母进行编号，为false则用数字进行编号     * @param symbolIndent     * @return list     */    public static List createList(boolean numbered, boolean lettered, float symbolIndent) {        List list = new List(numbered, lettered, symbolIndent);        return list;    }    /**     * 功能：创建列表中的项     * @param content 列表项中的内容     * @param font 字体格式     * @return listItem     */    public static ListItem createListItem(String content, Font font) {        ListItem listItem = new ListItem(content, font);        return listItem;    }    /**     * 功能：创造字体格式     * @param fontname     * @param size 字体大小     * @param style 字体风格     * @param color 字体颜色     * @return Font     */    public static Font createFont(String fontname, float size, int style, BaseColor color) {        Font font =  FontFactory.getFont(fontname, size, style, color);        return font;    }    /**     * 功能： 返回支持中文的字体---仿宋     * @param size 字体大小     * @param style 字体风格     * @param color 字体 颜色     * @return  字体格式     */    public static Font createCHineseFont(float size, int style, BaseColor color) {        BaseFont bfChinese = null;        try {            bfChinese = BaseFont.createFont(CHARACTOR_FONT_CH_FILE,BaseFont.IDENTITY_H, BaseFont.EMBEDDED);        } catch (DocumentException e) {            e.printStackTrace();        } catch (IOException e) {            e.printStackTrace();        }        return new Font(bfChinese, size, style, color);    }    /**     * 最后关闭PDF文档     */    public void closeDocument() {        if(document != null) {            document.close();        }    }    /**     * 读PDF文件，使用了pdfbox开源项目     * @param fileName     */    public static  void readPDF(String fileName) {        File file = new File(fileName);        FileInputStream in = null;        try {            in = new FileInputStream(fileName);            // 新建一个PDF解析器对象            PDFParser parser = new PDFParser(new RandomAccessFile(file,"rw"));            // 对PDF文件进行解析            parser.parse();            // 获取解析后得到的PDF文档对象            PDDocument pdfdocument = parser.getPDDocument();            // 新建一个PDF文本剥离器            PDFTextStripper stripper = new PDFTextStripper();            // 从PDF文档对象中剥离文本            String result = stripper.getText(pdfdocument);            FileWriter fileWriter = new FileWriter(new File("pdf.txt"));            fileWriter.write(result);            fileWriter.flush();            fileWriter.close();            System.out.println("PDF文件的文本内容如下：");            System.out.println(result);        } catch (Exception e) {            System.out.println("读取PDF文件" + file.getAbsolutePath() + "生失败！" + e);            e.printStackTrace();        } finally {            if (in != null) {                try {                    in.close();                } catch (IOException e1) {                }            }        }    }    /**     * 测试pdf文件的创建     * @param args     */    public static void main(String[] args) {        String fileName = "C:\Users\tizzy\Desktop\测试.pdf";  //这里先手动把绝对路径的文件夹给补上。        PDFUtil pdfUtil = new PDFUtil();        pdfUtil.writeChapterToDoc(chapter);        pdfUtil.closeDocument();    }}

第二种 使用国产的框架 Spire.PDF

包含两种版本

1 免费版
https://www.e-iceblue.cn/Downloads/Free-Spire-PDF-JAVA.html

2 商业版本
https://www.e-iceblue.cn/Introduce/Spire-PDF-JAVA.html

api
http://e-iceblue.cn/licensing/install-spirepdf-for-java-from-maven-repository.html

1 仓库地址 和 依赖

                    com.e-iceblue            e-iceblue            http://repo.e-iceblue.com/nexus/content/groups/public/        

        e-iceblue        spire.pdf.free        2.2.2    

2 代码

       public static void main(String[] args) {                // 创建PdfDocument实例                PdfDocument doc = new PdfDocument();                // 加载PDF文件                doc.loadFromFile("D:\\JAVA核心知识点整理.pdf");                StringBuilder sb = new StringBuilder();                PdfPageBase page;                int totalPageCount = doc.getPages().getCount();                // 遍历PDF页面，获取文本                for (int i = 0; i < totalPageCount; i++) {                        page = doc.getPages().get(i);                        System.out.println("pageNo:" + i);                        sb.append(page.extractText(true));                }                FileWriter writer;                try {                        // 将文本写入文本文件                        writer = new FileWriter("ExtractText.txt");                        writer.write(sb.toString());                        writer.flush();                } catch (IOException e) {                        e.printStackTrace();                }                doc.close();        }

第三种 使用iTika 进行解析pdf

api : https://tika.apache.org/

对中文支持不是很友好，解析的格式和pdfbox类似

1 依赖

                            org.apache.tika            tika-core            1.20        

2 代码

public static String getPdfFileText(String fileName) throws IOException {       PdfReader reader = new PdfReader(fileName);       PdfReaderContentParser parser = new PdfReaderContentParser(reader);       StringBuffer buff = new StringBuffer();       TextExtractionStrategy strategy;       for (int i = 1; i <= reader.getNumberOfPages(); i++) {            strategy = parser.processContent(i,                      new SimpleTextExtractionStrategy());            buff.append(strategy.getResultantText());           }       return buff.toString();      }

以上就是java中如何解析pdf文件，小编相信有部分知识点可能是我们日常工作会见到或用到的。希望你能通过这篇文章学到更多知识。更多详情敬请关注行业资讯频道。