通过 Java 从 PDF 文档中提取表格

如何使用 Java 库从 PDF 中提取表格

Aspose.PDF for Java Logo
C# Java C++ Python

如何使用 Java 库从 PDF 文档中提取表格

为了提取表，我们将使用 Aspose.PDF for Java API，这是一款功能丰富、功能强大且易于使用的适用于 Java 平台的转换 API。你可以直接从 Maven 下载它的最新版本，然后通过在 pom.xml 中添加以下配置将其安装在基于 Maven 的项目中。

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>

通过 Java 从 PDF 中提取表格

你需要 Aspose.PDF for Java 才能在你的环境中试用这些代码。

1.加载带有文档实例的 PDF。 1.创建 TableAssorber 对象来查找表格。 1.使用吸收剂访问第一页。 1.获取页面上的第一张桌子。 1.移除表。保存该文件。

从 PDF 中提取表格-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);
                    }
                }
            }
        }
    }