以 Java 从 PDF 中提取文本
如何使用 Java 库从 PDF 中提取文本
如何使用 Java 库从 PDF 中提取文本
你需要从 PDF 中提取文本吗？以编程方式修改 PDF 文档是现代数字工作流程的重要组成部分。使用像 Aspose.PDF 这样的 Java 库，开发者可以从 PDF 中提取文本。这些库是独立的解决方案，不依赖其他软件，可以用于商业用途。它们涵盖了专业 Java 开发人员的所有可能需求。
- 从 PDF 中提取文本
- 从 PDF 中提取图片
- 从 PDF 中提取字体
- 从表单中提取数据
- 从邮票中提取文本
- 从表中提取数据
为了从 PDF 文件中提取文本，我们将使用 Aspose.PDF for Java API，这是一款适用于 Java 平台的功能丰富、功能强大且易于使用的转换 API。你可以直接从 Maven 下载其最新版本，然后在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>以 Java 从 PDF 中提取文本
你需要 Aspose.PDF for Java 才能在你的环境中试用代码。
1.在 PDF 中加载 “文档” 实例。 1.创建 textabSorber 对象来提取文本。 1.接受所有页面的吸收器。 1.获取提取的文本 1.创建一个写入器并打开文件，在文件中写一行文本
从 PDF 中提取文本-Java
此示例代码显示如何从 PDF 文档中提取文本
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();
}