Extraire du texte d’un PDF en Java
Comment extraire du texte d’un PDF à l’aide de la bibliothèque Java
Comment extraire du texte d'un PDF à l'aide de la bibliothèque Java
Avez-vous besoin d’extraire du texte d’un PDF ? La modification programmatique des documents PDF est un élément essentiel des flux de travail numériques modernes. Avec les bibliothèques Java telles que Aspose.PDF, les développeurs peuvent extraire du texte d’un PDF. Ces bibliothèques sont des solutions autonomes qui ne s’appuient sur aucun autre logiciel et sont prêtes à être utilisées à des fins commerciales. Ils couvrent tous les besoins possibles des développeurs Java professionnels.
- Extraire le texte d’un PDF
- Extraire des images d’un PDF
- Extraire les polices d’un PDF
- Extraire les données du formulaire
- Extraire le texte des timbres
- Extraire les données du tableau
Afin d’extraire du texte d’un fichier PDF, nous utiliserons l’API Aspose.PDF pour Java qui est une API de conversion riche en fonctionnalités, puissante et facile à utiliser pour la plate-forme Java. Vous pouvez télécharger sa dernière version directement depuis Maven et l’installer dans votre projet basé sur Maven en ajoutant les configurations suivantes au 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>Extraire du texte d’un PDF en Java
Vous avez besoin de Aspose.PDF pour Java pour essayer le code dans votre environnement.
- Chargez le PDF avec une instance de Document.
- Créez un objet TextAbsorber pour extraire du texte.
- Acceptez l’absorbeur pour toutes les pages.
- Obtenir le texte extrait
- Créez un rédacteur et ouvrez le fichier, écrivez une ligne de texte dans le fichier
Extraire le texte d'un PDF - Java
Cet exemple de code montre comment extraire du texte à partir de documents PDF
Input file:
File not added
Output format:
Output file:
// Open document
com.aspose.pdf.Document pdfDocument = new com.aspose.pdf.Document(filePath);
// 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(_dataDir + "extracted-text.txt", true);
// Write a line of text to the file
writer.write(extractedText);
// Close the stream
writer.close();
} catch (java.io.IOException e) {
e.printStackTrace();
}