Extraer texto de un PDF en Java
Cómo extraer texto de un PDF con Java
Cómo extraer texto de un PDF con Aspose.PDF para Java
¿Necesita extraer texto de un PDF? La modificación programática de los documentos PDF es una parte esencial de los flujos de trabajo digitales modernos. Con bibliotecas de Java como Aspose.PDF, los desarrolladores pueden extraer texto de un PDF. Estas bibliotecas son soluciones independientes que no dependen de otro software y están listas para su uso comercial. Cubren todas las necesidades posibles de los desarrolladores profesionales de Java.
- Extraer texto de un PDF
- Extraer imágenes de un PDF
- Extraer fuentes de un PDF
- Extraer datos del formulario
- Extraer texto de sellos
- Extraer datos de la tabla
Para extraer texto de un archivo PDF, utilizaremos la API Aspose.PDF for Java, que es una API de conversión potente, fácil de usar y rica en funciones para la plataforma Java. Puedes descargar la versión más reciente directamente desde Maven e instalarla en tu proyecto basado en Maven añadiendo las siguientes configuraciones a pom.xml.
Repository
<repository>
<id>AsposeJavaAPI</id>
<name>Aspose Java AP</name>
<url>https://releases.aspose.com/java/repo/</url>
</repository>
Dependency
<dependency>
<groupId>com.aspose</groupId>
<artifactId>aspose-pdf</artifactId>
<version>version of aspose-pdf API</version>
</dependency>Extraer texto de un PDF en Java
Necesita Aspose.PDF for Java para probar el código en su entorno.
- Cargue el PDF con una instancia de Document.
- Crea un objeto TextAbsorber para extraer texto.
- Acepta el absorbente para todas las páginas.
- Obtenga el texto extraído
- Crea un escritor y abre el archivo, escribe una línea de texto en el archivo
Extrae texto de un PDF con Java
Este código de ejemplo muestra cómo extraer texto de documentos PDF
Input file:
File not added
Output format:
Output file:
// Open document
com.aspose.pdf.Document pdfDocument = new Document(DATA_DIR.resolve("sample.pdf").toString());
// Create TextAbsorber object to extract text
com.aspose.pdf.TextAbsorber textAbsorber = new com.aspose.pdf.TextAbsorber();
// Accept the absorber for all the pages
pdfDocument.getPages().accept(textAbsorber);
// Get the extracted text
String extractedText = textAbsorber.getText();
try {
java.io.FileWriter writer = new java.io.FileWriter(DATA_DIR.resolve("extracted-text.txt").toString(), true);
// Write a line of text to the file
writer.write(extractedText);
// Close the stream
writer.close();
} catch (java.io.IOException e) {
System.out.println(e.getMessage());
}