Conversión de documentos PDF a través de Java

Hay pocos casos en los que es necesario manipular documentos que no sean PDF mientras se tienen los datos de análisis disponibles en formatos PDF. Por lo tanto, para tales aplicaciones, habrá dos escenarios: agregar la funcionalidad de análisis de PDF dentro de su propia solución o agregar la funcionalidad de conversión de PDF para manipular datos a partir de los formatos admitidos. Para el segundo escenario deconvertir PDF a Word, Excel, HTML, imágenes o cualquier formato requerido, implementar el códigoC# PDF reader and converter dentro de .NET es simple. Estamos discutiendo aquí algunos casos para que los programadores puedan modificar estos fragmentos de código de conversión según sus requisitos.

// Cargue el archivo PDF de origen
Document pdfFile = new Document("Source-PDF-File.pdf");

// Guardar con las opciones de guardado
// Crear objeto DocSaveOptions
DocSaveOptions saveOptions = new DocSaveOptions();

// Establezca el modo de reconocimiento como Flow significa modo de reconocimiento completo
saveOptions.setMode(DocSaveOptions.RecognitionMode.Flow);

// Otros dos modos son RecognitionMode.TextBox y RecognitionMode.EnhancedFlow

// Establezca la Proximidad horizontal como 2.5
saveOptions.setRelativeHorizontalProximity(2.5f);

// Habilitar el valor para reconocer viñetas durante el proceso de conversión
saveOptions.setRecognizeBullets(true);

// Guarde el archivo DOC resultante
pdfDocument.save(docFile.toString(), saveOptions);

La biblioteca Aspose.PDF para .NET admite todas las conversiones de PDF a Word. En caso de que solo estemos convirtiendo documentos de Microsoft Word sin ninguna configuración especial, simplemente cargaremos el archivo PDF con el método Save de la clase Document y usaremos la ruta del documento de Word de salida y SaveFormat como parámetros. Para los casos especiales en los que sea necesario mejorar la distancia de las líneas, la resolución de la imagen y más ajustes, la API tiene la clase DocSaveOptions que expone todos esos ajustes.

// Cargar documento PDF
Document pdfDoc = new Document("sample-file.pdf");
// Inicializar opciones de guardado de Excel
ExcelSaveOptions excelSave = new ExcelSaveOptions();
// Establecer el formato Excel XLSX de salida
excelSave.setFormat(ExcelSaveOptions.ExcelFormat.XLSX);
// Minimizar el número de hojas de
excelsave.setMinimizeTheNumberOfWorksheets(true);
// Convertir PDF a archivo de salida de Excel
pdfDoc.Save("pdf-to-excel-output.xlsx", excelSave);

SaveFormat.excel especializado Enumeración disponible para guardar PDF en formatos de salida XLS XLSX específicos de Microsoft Excel. Además, la**.NET PDF Library** también tiene una clase ExcelSaveOptions específica que no solo se ocupa de guardar en formatos de Excel, sino que también proporciona diferentes funciones y propiedades para configurar diferentes atributos, como el formato de salida exacto, minimizar número de hojas de trabajo y más.

// Cargar documento PDF
Document pdfDocument = new Document("document.pdf");
PptxSaveOptions pptxOptions = new PptxSaveOptions();
pptxOptions.setSlidesAsImages(true);
// Guardar el archivo de salida
pdfDocument.save("PDF to PPT.pptx", pptxOptions);

La API PDF .NET permite convertir páginas PDF en diapositivas de presentación de PowerPoint con texto o imágenes seleccionables al representar las diapositivas como imágenes. El patrón para guardar el formato de documento portátil en PowerPoint es casi el mismo: se carga el archivo mediante la clase Document y, a continuación, se llama al método Save con la ruta del archivo de salida y SaveFormat como parámetros. En el caso de la renderización con opciones de presentación especiales, los programadores pueden usar clase pptxSaveOptions con cualquier opción de renderizado específica relevante. Llamar al método de guardado y pasar las opciones como parámetro.

// Cargar documento PDF de origen
Document doc = new Document("source-input-file.pdf");

// Instanciar objeto de opciones de guardado de HTML
HtmlSaveOptions conversionOptions = new HtmlSaveOptions();

// Habilitar la opción de incrustar todos los recursos dentro del HTML
conversionOptions.PartsEmbeddingMode = HtmlSaveOptions.PartsEmbeddingModes.EmbedAllIntoHtml;

// Especificar la carpeta independiente para PDF a HTML con imágenes
conversionOptions.SpecialFolderForAllImages = "ImagesFolder";

// Especificar la opción de división para el HTML resultante en varias páginas
conversionOptions.setSplitIntoPages(true);

doc.save("converted-pdf-to.html", conversionOptions);

La biblioteca de análisis de PDF admite guardar PDF en HTML en su conjunto, así como con recursos incrustados, incluidas imágenes. El procedimiento de conversión es el mismo que el de PDF a otros formatos para casos genéricos, como cargar el documento fuente y llamar al método Save con la ruta del archivo HTML de salida y SaveFormat.Html como parámetros. En caso de guardar con recursos incrustados, hay una clase HTMLSaveOptions que tiene varias opciones, como guardar imágenes en una carpeta específica durante la conversión, dividir el HTML resultante en varias páginas y más.

// Cargar documento
Document srcFile = new Document("pdf-pages-to-image.pdf");

java.io.OutputStream outputBinImageFile = new java.io.FileOutputStream(
                    _dataDir + "image" + pageCount + "_out." + ext);

// Crear objeto Resolución
Resolution resolution = new Resolution(300);

// Crear dispositivo de imagen con atributos especificados
// Ancho, altura, resolución
JpegDevice renderToImages = new JpegDevice(500, 700, resolution);
// Para BMP, PNG, TIFF será BMPDevice, PNGDevice, TiffDevice respectivamente

// Convertir una página en particular y guardar la imagen para transmitirla
renderToImages.Process(srcFile.Pages[1], outputBinImageFile);

// Cerrar stream
outputBinImageFile.Close();

Convertir páginas PDF en imágenes como PNG, JPEG, TIFF, BMP, etc. es fácil dentro de las aplicaciones basadas en.NET utilizando los fragmentos de código que se enumeran a continuación. Los desarrolladores pueden recorrer las páginas PDF después de cargar el archivo y convertir página por página al formato de imagen requerido. Los desarrolladores pueden establecer la resolución horizontal y vertical de las imágenes mediante Clase de resolución