Как извлечь текст и изображения из PDF в Java
Одним из недостатков PDF-файлов является то, что пользователи не могут напрямую извлекать текст или изображения из документа, что создает проблемы для повторного использования полезной информации. В данной статье показано, как извлечь текст и изображения из PDF-документа с помощью Free Spire.PDF for Java.
Ниже приведен снимок экрана примера PDF-документа.
Установка Spire.Pdf.jar
Если вы создали Maven-проект, вы можете легко импортировать jar в свое приложение, используя следующие конфигурации. Для проектов, не использующих Maven, загрузите jar-файл по этой ссылке и добавьте его в качестве зависимости в свое приложение.
Пример 1. Извлечение текста из PDF
import java.io.FileWriter;
import java.io.IOException;
public class ExtractText {
public static void main(String[] args) {
//create a PdfDocument instance
PdfDocument doc = new PdfDocument();
//load a sample PDF file
doc.loadFromFile("C:\Users\Administrator\Desktop\sample.pdf");
//create a StringBuilder instance
StringBuilder sb = new StringBuilder();
//loop through PDF pages and extract text of each page
PdfPageBase page;
for (int i = 0; i < doc.getPages().getCount(); i++) {
page = doc.getPages().get(i);
sb.append(page.extractText(true));
}
FileWriter writer;
try {
//write text into a .txt file
writer = new FileWriter("C:\Users\Administrator\Desktop\ExtractText.txt");
writer.write(sb.toString());
writer.flush();
} catch (IOException e) {
e.printStackTrace();
}
doc.close();
}
}
Пример 2. Извлечение изображений из PDF
import javax.imageio.ImageIO;
import java.awt.image.BufferedImage;
import java.io.File;
import java.io.IOException;
public class ExtractImage {
public static void main(String[] args) throws IOException {
//create a PdfDocment object
PdfDocument doc = new PdfDocument();
//load a PDF file
doc.loadFromFile("C:\Users\Administrator\Desktop\sample.pdf");
//declare an int variable
int index = 0;
//loop through the pages
for (int i = 0; i < doc.getPages().getCount(); i++) {
//extract images from a particular page
for (BufferedImage image : doc.getPages().get(i).extractImages()) {
//specify the file path and name
File output = new File("C:\Users\Administrator\Desktop\ExtractedImages\" + String.format("Image_%d.png", index++));
//save image as .png file
ImageIO.write(image, «PNG», output);
}
}
}
}
