Extraia texto do PDF em Java
Como extrair texto de um PDF usando a biblioteca Java
Como extrair texto de um PDF usando a biblioteca Java
Você precisa extrair texto do PDF? A modificação programática de documentos PDF é uma parte essencial dos fluxos de trabalho digitais modernos. Com bibliotecas Java como a Aspose.PDF, os desenvolvedores podem extrair texto do PDF. Essas bibliotecas são soluções autônomas que não dependem de outros softwares e estão prontas para uso comercial. Eles cobrem todas as necessidades possíveis dos desenvolvedores profissionais de Java.
- Extraia texto do PDF
- Extraia imagens de PDF
- Extrair fontes do PDF
- Extrair dados do formulário
- Extrair texto de carimbos
- Extrair dados da tabela
Para extrair texto de um arquivo PDF, usaremos a API Aspose.PDF for Java, que é uma API de conversão rica em recursos, poderosa e fácil de usar para a plataforma Java. Você pode baixar sua versão mais recente diretamente do Maven e instalá-la em seu projeto baseado em Maven adicionando as seguintes configurações ao 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>Extraia texto do PDF em Java
Você precisa do Aspose.PDF para Java para testar o código em seu ambiente.
- Carregue o PDF com uma instância do Document.
- Crie o objeto TextAbsorber para extrair texto.
- Aceite o absorvedor para todas as páginas.
- Obtenha o texto extraído
- Crie um escritor e abra o arquivo, escreva uma linha de texto no arquivo
Extraia texto do PDF - Java
Este código de exemplo mostra como extrair texto de documentos 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();
}