如何使用Java从PDF文件中提取文本和图像内容？

本文共计490个文字，预计阅读时间需要2分钟。

本简文将介绍如何通过Java程序读取PDF文档中的文本和图片。分别调用方法extractText()和extractImages()进行读取。

使用工具：Free Spire.PDF for Java（免费版）Jar文件导入。

方法1：通过官方ExtractText方法读取。

1. 导入Free Spire.PDF for Java库。

2.创建PDF文档对象。

3.调用extractText()方法读取文本内容。

4.调用extractImages()方法读取图片内容。

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：

总结

以上所述是小编给大家介绍的Java 读取PDF中的文本和图片的方法,希望对大家有所帮助，如果大家有任何疑问请给我留言，小编会及时回复大家的。在此也非常感谢大家对自由互联网站的支持！
如果你觉得本文对你有帮助，欢迎转载，烦请注明出处，谢谢！