Java 读取PDF文本和图片

本文将介绍通过Java程序来读取PDF文档中的文本和图片的方法。分别调用方法extractText()和extractImages()来读取。

使用工具：Free Spire.PDF for Java（免费版）

Jar文件获取导入：

方法1：通过官网下载jar文件包。下载后，解压文件，并将lib文件夹下的Spire.Pdf.jar文件导入java程序。导入后如下图：

方法2： 可通过maven仓库安装导入。

Java代码示例

import com.spire.pdf.*;
 
 import javax.imageio.ImageIO;
 import java.awt.image.BufferedImage;
 import java.io.File;
 import java.io.FileWriter;
 import java.io.IOException;
 
 public class ExtractText {
     public static void main(String[]args) throws Exception {
         //加载测试文档
         PdfDocument pdf = new PdfDocument("sample.pdf");
 
         //实例化StringBuilder类
         StringBuilder sb = new StringBuilder();
         //定义一个int型变量
         int index = 0;
 
         //遍历PDF文档中每页
         PdfPageBase page;
         for (int i= 0; i<pdf.getPages().getCount();i++) {
             page = pdf.getPages().get(i);
             //调用extractText()方法提取文本
             sb.append(page.extractText(true));
             FileWriter writer;
             try {
                 //将StringBuilder对象中的文本写入到txt
                 writer = new FileWriter("ExtractText.txt");
                 writer.write(sb.toString());
                 writer.flush();
             } catch (IOException e) {
                 e.printStackTrace();
             }
 
             //调用extractImages方法获取图片
             for (BufferedImage image : page.extractImages()) {
                     //指定输出图片名，指定图片格式
                     File output = new File(String.format("Image_%d.png", index++));
                     ImageIO.write(image, "PNG", output);
             }
         }
         pdf.close();
     }
 }

文本和图片读取效果：

（本文完）