在上一章中,无涯教程了解了如何在现有的PDF文档中添加文本。在本章中将讨论如何从现有的PDF文档中读取文本。
提取文本是PDF框库的主要功能之一。您可以使用 PDFTextStripper 类的 getText()方法提取文本。此类从给定的PDF文档中提取所有文本。
以下是从现有PDF文档提取文本的步骤。
使用 PDDocument 类的静态方法 load()加载现有的PDF文档。该方法接受文件对象作为参数,因为这是一个静态方法,因此您可以使用类名调用它,如下所示。
File file=new File("path of the document") PDDocument document=PDDocument.load(file);
PDFTextStripper 类提供了从PDF文档中检索文本的方法,因此,如下所示实例化该类。
PDFTextStripper pdfStripper=new PDFTextStripper();
您可以使用 PDFTextStripper 类的 getText()方法从PDF文档中读取/检索页面的内容。对于此方法,您需要将文档对象作为参数传递。此方法检索给定文档中的文本,并以String对象的形式返回。
String text=pdfStripper.getText(document);
最后,使用PDDocument类的 close()方法关闭文档,如下所示。
document.close();
假设无涯教程有一个PDF文档,其中包含一些文本,如下所示。
本示例演示了如何从上述PDF文档中读取文本。在这里,将创建一个Java程序并加载一个名为new.pdf的PDF文档,该文档保存在路径C:/ PdfBox_Examples /中。将此代码保存在名为ReadingText.java的文件中。
import java.io.File; import java.io.IOException; import org.apache.pdfbox.pdmodel.PDDocument; import org.apache.pdfbox.text.PDFTextStripper; public class ReadingText { public static void main(String args[]) throws IOException { //加载现有文档 File file = new File("C:/PdfBox_Examples/new.pdf"); PDDocument document = PDDocument.load(file); //实例化PDFTextStropper类 PDFTextStripper pdfStripper = new PDFTextStripper(); //从PDF文档中检索文本 String text = pdfStripper.getText(document); System.out.println(text); //关闭文件 document.close(); } }
使用以下命令从命令提示符处编译并执行保存的Java文件。
链接:https://www.learnfk.comhttps://www.learnfk.com/pdfbox/pdfbox-reading-text.html
来源:LearnFk无涯教程网
javac ReadingText.java java ReadingText
执行后,上述程序将从给定的PDF文档中检索文本并显示如下所示。
This is an example of adding text to a page in the pdf document. we can add as many lines as we want like this using the ShowText() method of the ContentStream class.
祝学习愉快!(内容编辑有误?请选中要编辑内容 -> 右键 -> 修改 -> 提交!)
Spring Cloud 微服务项目实战 -〔姚秋辰(姚半仙)〕