Java 读取PDF中的文本和图片

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：