[转]JAVA代码PDFBOX对pdf文件的操作

link之家

链接快照平台

输入网页链接，自动生成快照
标签化管理网页链接

相关文章推荐

任性的西红柿 · C++编译期循环获取变量类型_c++获取结构 ...· 1 年前 ·

安静的麻辣香锅 · C++ ...· 2 年前 ·

逼格高的自行车 · Python 发展趋势：与 Rust ...· 2 年前 ·

不敢表白的沙滩裤 · MySQL中datetime与timesta ...· 3 年前 ·

强悍的创口贴 · 关于Python下空列表，空元组，空字符串， ...· 3 年前 ·

import java.io.FileInputStream;

import java.io.FileNotFoundException;

import java.io.FileOutputStream;

import java.io.IOException;

import java.io.OutputStreamWriter;

import java.io.Writer;

import java.text.SimpleDateFormat;

import java.util.Calendar;

import java.util.List;

import java.util.Map;

import java.util.logging.Level;

import java.util.logging.Logger;

import org.apache.pdfbox.pdfparser.PDFParser;

import org.apache.pdfbox.pdmodel.PDDocument;

import org.apache.pdfbox.pdmodel.PDDocumentCatalog;

import org.apache.pdfbox.pdmodel.PDDocumentInformation;

import org.apache.pdfbox.pdmodel.PDPage;

import org.apache.pdfbox.pdmodel.PDResources;

import org.apache.pdfbox.pdmodel.graphics.xobject.PDXObjectImage;

import org.apache.pdfbox.pdmodel.interactive.documentnavigation.outline.PDDocumentOutline;

import org.apache.pdfbox.pdmodel.interactive.documentnavigation.outline.PDOutlineItem;

import org.apache.pdfbox.util.PDFTextStripper;

importstatic readPDFContent.PDFParse.dateFormat;

* @author Angela

*/publicclassPDFReader { /**

* 获取格式化后的时间信息

* @param calendar 时间信息

* @return */publicstatic String dateFormat( Calendar calendar ){

if( null == calendar )

returnnull;

String date = null;

String pattern = "yyyy-MM-dd HH:mm:ss";

SimpleDateFormat format = new SimpleDateFormat( pattern );

date = format.format( calendar.getTime() );

return date == null ? "" : date;

/**打印纲要**/publicstaticvoidgetPDFOutline(String file){

try {

//打开pdf文件流

FileInputStream fis = new FileInputStream(file);

//加载 pdf 文档,获取PDDocument文档对象

PDDocument document=PDDocument.load(fis);

//获取PDDocumentCatalog文档目录对象

PDDocumentCatalog catalog=document.getDocumentCatalog();

//获取PDDocumentOutline文档纲要对象

PDDocumentOutline outline=catalog.getDocumentOutline();

//获取第一个纲要条目（标题1）

PDOutlineItem item=outline.getFirstChild();

if(outline!= null){

//遍历每一个标题1while(item!=null){

//打印标题1的文本

System.out.println( "Item:"+item.getTitle());

//获取标题1下的第一个子标题（标题2）

PDOutlineItem child=item.getFirstChild();

//遍历每一个标题2while(child!=null){

//打印标题2的文本

System.out.println( " Child:"+child.getTitle());

//指向下一个标题2

child=child.getNextSibling();

//指向下一个标题1

item=item.getNextSibling();

//关闭输入流

document.close();

fis.close();

} catch (FileNotFoundException ex) {

Logger.getLogger(PDFBOXReader. class.getName()).log(Level.SEVERE, null, ex);

} catch (IOException ex) {

Logger.getLogger(PDFBOXReader. class.getName()).log(Level.SEVERE, null, ex);

/**打印一级目录**/publicstaticvoidgetPDFCatalog(String file){

try {

//打开pdf文件流

FileInputStream fis = new FileInputStream(file);

//加载 pdf 文档,获取PDDocument文档对象

PDDocument document=PDDocument.load(fis);

//获取PDDocumentCatalog文档目录对象

PDDocumentCatalog catalog=document.getDocumentCatalog();

//获取PDDocumentOutline文档纲要对象

PDDocumentOutline outline=catalog.getDocumentOutline();

//获取第一个纲要条目（标题1）if(outline!=null){

PDOutlineItem item=outline.getFirstChild();

//遍历每一个标题1while(item!=null){

//打印标题1的文本

System.out.println( "Item:"+item.getTitle());

//指向下一个标题1

item=item.getNextSibling();

//关闭输入流

document.close();

fis.close();

} catch (FileNotFoundException ex) {

Logger.getLogger(PDFBOXReader. class.getName()).log(Level.SEVERE, null, ex);

} catch (IOException ex) {

Logger.getLogger(PDFBOXReader. class.getName()).log(Level.SEVERE, null, ex);

/**获取PDF文档元数据**/publicstaticvoidgetPDFInformation(String file){

try {

//打开pdf文件流

FileInputStream fis = new FileInputStream(file);

//加载 pdf 文档,获取PDDocument文档对象

PDDocument document=PDDocument.load(fis);

/** 文档属性信息 **/ PDDocumentInformation info = document.getDocumentInformation();

System.out.println( "页数:"+document.getNumberOfPages());

System.out.println( "标题:" + info.getTitle() );

System.out.println( "主题:" + info.getSubject() );

System.out.println( "作者:" + info.getAuthor() );

System.out.println( "关键字:" + info.getKeywords() );

System.out.println( "应用程序:" + info.getCreator() );

System.out.println( "pdf 制作程序:" + info.getProducer() );

System.out.println( "Trapped:" + info.getTrapped() );

System.out.println( "创建时间:" + dateFormat( info.getCreationDate() ));

System.out.println( "修改时间:" + dateFormat( info.getModificationDate()));

//关闭输入流

document.close();

fis.close();

} catch (FileNotFoundException ex) {

Logger.getLogger(PDFReader. class.getName()).log(Level.SEVERE, null, ex);

} catch (IOException ex) {

Logger.getLogger(PDFReader. class.getName()).log(Level.SEVERE, null, ex);

/**提取pdf文本**/publicstaticvoidextractTXT(String file){

//打开pdf文件流

FileInputStream fis = new FileInputStream(file);

//实例化一个PDF解析器

PDFParser parser = new PDFParser(fis);

//解析pdf文档

parser.parse();

//获取PDDocument文档对象

PDDocument document=parser.getPDDocument();

//获取一个PDFTextStripper文本剥离对象

PDFTextStripper stripper = new PDFTextStripper();

//获取文本内容

String content = stripper.getText(document);

//打印内容

System.out.println( "内容:" + content );

document.close();

fis.close();

} catch (FileNotFoundException ex) {

Logger.getLogger(PDFReader. class.getName()).log(Level.SEVERE, null, ex);

} catch (IOException ex) {

Logger.getLogger(PDFReader. class.getName()).log(Level.SEVERE, null, ex);

* 提取部分页面文本

* @param file pdf文档路径

* @param startPage 开始页数

* @param endPage 结束页数

*/publicstaticvoidextractTXT(String file, int startPage, int endPage){

//打开pdf文件流

FileInputStream fis = new FileInputStream(file);

//实例化一个PDF解析器

PDFParser parser = new PDFParser(fis);

//解析pdf文档

parser.parse();

//获取PDDocument文档对象

PDDocument document=parser.getPDDocument();

//获取一个PDFTextStripper文本剥离对象

PDFTextStripper stripper = new PDFTextStripper();

// 设置起始页

stripper.setStartPage(startPage);

// 设置结束页

stripper.setEndPage(endPage);

//获取文本内容

String content = stripper.getText(document);

//打印内容

System.out.println( "内容:" + content );

document.close();

fis.close();

} catch (FileNotFoundException ex) {

Logger.getLogger(PDFReader. class.getName()).log(Level.SEVERE, null, ex);

} catch (IOException ex) {

Logger.getLogger(PDFReader. class.getName()).log(Level.SEVERE, null, ex);

* 提取图片并保存

* @param file PDF文档路径

* @param imgSavePath 图片保存路径

*/publicstaticvoidextractImage(String file,String imgSavePath){

//打开pdf文件流

FileInputStream fis = new FileInputStream(file);

//加载 pdf 文档,获取PDDocument文档对象

PDDocument document=PDDocument.load(fis);

/** 文档页面信息 **///获取PDDocumentCatalog文档目录对象

PDDocumentCatalog catalog = document.getDocumentCatalog();

//获取文档页面PDPage列表

List pages = catalog.getAllPages();

int count = 1;

int pageNum=pages.size(); //文档页数//遍历每一页for( int i = 0; i < pageNum; i++ ){

//取得第i页

PDPage page = ( PDPage ) pages.get( i );

if( null != page ){

PDResources resource = page.findResources();

//获取页面图片信息

Map<String,PDXObjectImage> imgs = resource.getImages();

for(Map.Entry<String,PDXObjectImage> me: imgs.entrySet()){

//System.out.println(me.getKey());

PDXObjectImage img = me.getValue();

//保存图片，会自动添加图片后缀类型

img.write2file( imgSavePath + count );

count++;

document.close();

fis.close();

} catch (FileNotFoundException ex) {

Logger.getLogger(PDFReader. class.getName()).log(Level.SEVERE, null, ex);

} catch (IOException ex) {

Logger.getLogger(PDFReader. class.getName()).log(Level.SEVERE, null, ex);

* 提取文本并保存

* @param file PDF文档路径

* @param savePath 文本保存路径

*/publicstaticvoidextractTXT(String file,String savePath){

//打开pdf文件流

FileInputStream fis = new FileInputStream(file);

//实例化一个PDF解析器

PDFParser parser = new PDFParser(fis);

//解析pdf文档

parser.parse();

//获取PDDocument文档对象

PDDocument document=parser.getPDDocument();

//获取一个PDFTextStripper文本剥离对象

PDFTextStripper stripper = new PDFTextStripper();

//创建一个输出流

Writer writer= new OutputStreamWriter( new FileOutputStream(savePath));

//保存文本内容

stripper.writeText(document, writer);

//关闭输出流

writer.close();

//关闭输入流

document.close();

fis.close();

} catch (FileNotFoundException ex) {

Logger.getLogger(PDFReader. class.getName()).log(Level.SEVERE, null, ex);

} catch (IOException ex) {

Logger.getLogger(PDFReader. class.getName()).log(Level.SEVERE, null, ex);

* 提取部分页面文本并保存

* @param file PDF文档路径

* @param startPage 开始页数

* @param endPage 结束页数

* @param savePath 文本保存路径

*/publicstaticvoidextractTXT(String file, int startPage,

int endPage,String savePath){

//打开pdf文件流

FileInputStream fis = new FileInputStream(file);

//实例化一个PDF解析器

PDFParser parser = new PDFParser(fis);

//解析pdf文档

parser.parse();

//获取PDDocument文档对象

PDDocument document=parser.getPDDocument();

//获取一个PDFTextStripper文本剥离对象

PDFTextStripper stripper = new PDFTextStripper();

//创建一个输出流

Writer writer= new OutputStreamWriter( new FileOutputStream(savePath));

// 设置起始页

stripper.setStartPage(startPage);

// 设置结束页

stripper.setEndPage(endPage);

//保存文本内容

stripper.writeText(document, writer);

//关闭输出流

writer.close();

//关闭输入流

document.close();

fis.close();

} catch (FileNotFoundException ex) {

Logger.getLogger(PDFReader. class.getName()).log(Level.SEVERE, null, ex);

} catch (IOException ex) {

Logger.getLogger(PDFReader. class.getName()).log(Level.SEVERE, null, ex);

publicstaticvoidmain(String args[]){

String file= "F:\\pdf\\2013\\000608_阳光股份_2013年年度报告(更新后)_1.pdf";

String savePath= "E:\\result1.txt";

long startTime=System.currentTimeMillis();

extractTXT(file,savePath);

long endTime=System.currentTimeMillis();

System.out.println( "读写所用时间为："+(endTime-startTime)+ "ms");