Java を介して PDF ドキュメントからテーブルを抽出

Java ライブラリを使ってPDFからテーブルを抽出する方法

C# Java C++ Python

Java ライブラリを使用して PDF ドキュメントからテーブルを抽出する方法

テーブルを抽出するために、Javaプラットフォーム用の機能が豊富で強力で使いやすい変換APIである Aspose.PDF for Java APIを使用します。最新バージョンを Maven から直接ダウンロードし、pom.xmlに以下の設定を追加することで、Mavenベースのプロジェクト内にインストールできます。

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>

Java を介して PDF からテーブルを抽出

ご使用の環境でコードを試すには、Aspose.PDF for Java が必要です。

1。Document のインスタンスを持つ PDF を読み込みます。 1。テーブルを検索する TableAbsorber オブジェクトを作成します。 1。アブソーバー付きの最初のページをご覧ください。 1。ページ上の最初のテーブルを取得します。 1。テーブルを取り外します。ファイルを保存します。

PDF からテーブルを抽出-Java。


    Document pdfDocument = new Document(_dataDir + "the_worlds_cities_in_2018_data_booklet 7.pdf");
    for(Page page : pdfDocument.getPages())
    {
        TableAbsorber absorber = new TableAbsorber();
        absorber.visit(page);
        for (AbsorbedTable table : absorber.getTableList())
        {
            for (AbsorbedRow row : table.getRowList())
            {
                for (AbsorbedCell cell : row.getCellList())
                {
                    TextFragmentCollection textFragmentCollection = cell.getTextFragments();
                    for (TextFragment fragment : textFragmentCollection)
                    {
                        String txt = "";
                        for (TextSegment seg : fragment.getSegments())
                            txt += seg.getText();
                        System.out.println(txt);
                    }
                }
            }
        }
    }