Извлечь текст из PDF в Java

Как извлечь текст из PDF с помощью библиотеки Java

Как извлечь текст из PDF с помощью библиотеки Java

Вам нужно извлечь текст из PDF? Программная модификация PDF-документов — неотъемлемая часть современных цифровых рабочих процессов. С помощью библиотек Java, таких как Aspose.PDF, разработчики могут извлекать текст из PDF. Эти библиотеки представляют собой автономные решения, которые не полагаются на другое программное обеспечение и готовы к коммерческому использованию. Они удовлетворяют все возможные потребности профессиональных разработчиков Java.

  • Извлечение текста из PDF
  • Извлечение изображений из PDF
  • Извлечение шрифтов из PDF
  • Извлечение данных из формы
  • Извлечение текста из марок
  • Извлечение данных из таблицы

Чтобы извлечь текст из PDF-файла, мы будем использовать API Aspose.PDF for Java, который представляет собой многофункциональный, мощный и простой в использовании API конвертации для платформы Java. Вы можете загрузить последнюю версию программы непосредственно из Maven и установить ее в своем проекте на базе Maven, добавив в pom.xml следующие конфигурации.

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>

Извлечь текст из PDF в Java


Чтобы попробовать код в своей среде, вам понадобится Aspose.PDF для Java.

  1. Загрузите PDF-файл вместе с экземпляром документа.
  2. Создайте объект TextAbsorber для извлечения текста.
  3. Примите абсорбер для всех страниц.
  4. Получите извлеченный текст
  5. Создайте писателя и откройте файл, напишите в файл строку текста

Извлечь текст из PDF - Java

В этом примере кода показано, как извлекать текст из PDF-документов

Input file:

File not added

Output format:

PDF

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();
    }

О Aspose.PDF для API Java

Aspose.PDF для Java API — это библиотека, которая позволяет разработчикам добавлять возможности обработки PDF в свои приложения. Ее можно использовать для создания любых 32-битных и 64-разрядных приложений для создания или чтения, преобразования и обработки PDF-файлов без использования Adobe Acrobat. Aspose.PDF для Java позволяет разработчикам вставлять таблицы, графики, изображения, гиперссылки, пользовательские шрифты и многое другое в PDF-документы. Кроме того, можно сжимать PDF-файлы. Aspose.PDF для Java предоставляет отличные функции безопасности для разработки защищенных PDF-файлов.

Дополнительную информацию о Aspose.PDF для Java API можно найти в документации и в примерах об использовании API. Некоторые из важнейших функций Aspose.PDF для Java API включают поддержку различных форматов файлов, включая HTML, XFA, TXT, PCL, XML, XPS и форматы файлов изображений, поддержку различных версий PDF и расширенную функциональность гиперссылок.