Java基于PDFbox实现读取处理PDF文件

前言

嗨，大家好，2022年春节已经接近尾声，各地都陆陆续续开工了。近期有朋友做一个小项目正好使用java读取pdf文件信息。因此记录一下相关过程。

pdfbox介绍

pdfbox是一个开源的、基于java的、支持pdf文档生成的工具库，它可以用于创建新的pdf文档，修改现有的pdf文档，还可以从pdf文档中提取所需的内容。apache pdfbox还包含了数个命令行工具。

pdf文件的数据时一系列基本对象的集合：数组，布尔型，字典，数字，字符串和二进制流。

开发环境

本次java基于pdfbox读取处理pdf文件的版本信息如下：

jdk1.8

springboot 2.3.0.release

pdfbox 1.8.13

pdfbox依赖

在初次使用pdfbox的时候需要引入pdfbox依赖。本次使用的依赖包如下：

<dependency>
            <groupid>org.apache.pdfbox</groupid>
            <artifactid>pdfbox</artifactid>
            <version>1.8.13</version>
        </dependency>

快速开始

本示例是将指定目录下的pdf文件中的信息读取出来，存储到新的指定路径的txt文本文件当中。

class pdftest {

    public static void main(string[] args) throws exception {
       string filepath ="c:\\users\\admin\\desktop\\cxy1.pdf";
   
        list<string> list = getfiles(basepath);
        for (string filepath : list) {
            long ltime = system.currenttimemillis();
            string substring = filepath.substring(filepath.lastindexof("\\") + 1, filepath.lastindexof("."));
            string project = "（juejin.cn）";
            string textfrompdf = gettextfrompdf(filepath);
            string s = writtertxt(textfrompdf, substring + "--", ltime, basepath);
            stringbuffer stringbuffer = readertext(s, project);
            writtertxt(stringbuffer.tostring(), substring + "-", ltime, basepath);
        }
        system.out.println("******************** end ************************");
    }

    public static list<string> getfiles(string path) {
        list<string> files = new arraylist<string>();
        file file = new file(path);
        file[] templist = file.listfiles();

        for (int i = 0; i < templist.length; i++) {
            if (templist[i].isfile()) {
                if (templist[i].tostring().contains(".pdf") || templist[i].tostring().contains(".pdf")) {
                    files.add(templist[i].tostring());
                }
                //文件名，不包含路径
                //string filename = templist[i].getname();
            }
            if (templist[i].isdirectory()) {
                //这里就不递归了，
            }
        }
        return files;
    }

    public static string gettextfrompdf(string filepath) throws exception {
        string result = null;
        fileinputstream is = null;
        pddocument document = null;
        try {
            is = new fileinputstream(filepath);
            pdfparser parser = new pdfparser(is);
            parser.parse();
            document = parser.getpddocument();
            pdftextstripper stripper = new pdftextstripper();
            result = stripper.gettext(document);
        } catch (filenotfoundexception e) {
            e.printstacktrace();
        } catch (ioexception e) {
            e.printstacktrace();
        } finally {
            if (is != null) {
                try {
                    is.close();
                } catch (ioexception e) {
                    e.printstacktrace();
                }
            }
            if (document != null) {
                try {
                    document.close();
                } catch (ioexception e) {
                    e.printstacktrace();
                }
            }
        }
        map<string, string> map = new hashmap<string, string>();
        return result;
    }


    public static string writtertxt(string data, string text, long l, string basepath) {
        string filename = null;
        try {
            if (text == null) {
                filename = basepath + "javaio-" + l + ".txt";
            } else {
                filename = basepath + text + l + ".txt";
            }

            file file = new file(filename);
            //if file doesnt exists, then create it
            if (!file.exists()) {
                file.createnewfile();
            }
            //true = append file
            outputstream outputstream = new fileoutputstream(file);
//            filewriter filewritter = new filewriter(file.getname(), true);
//            filewritter.write(data);
//            filewritter.close();
            outputstreamwriter outputstreamwriter = new outputstreamwriter(outputstream);
            outputstreamwriter.write(data);
            outputstreamwriter.close();
            outputstream.close();
            system.out.println("done");
        } catch (ioexception e) {
            e.printstacktrace();
        }

        return filename;
    }

    public static stringbuffer readertext(string name, string project) {
        // 使用arraylist来存储每行读取到的字符串
        stringbuffer stringbuffer = new stringbuffer();
        try {
            filereader fr = new filereader(name);
            bufferedreader bf = new bufferedreader(fr);
            string str;
            // 按行读取字符串
            while ((str = bf.readline()) != null) {
                str = replaceall(str);
                if (str.contains("d、") || str.contains("d.")) {
                    stringbuffer.append(str);
                    stringbuffer.append("\n");
                    stringbuffer.append("参考： \n");
                    stringbuffer.append("参考： \n");
                    stringbuffer.append("\n\n\n\n");
                } else if (str.contains("a、") || str.contains("a.")) {
                    stringbuffer.deletecharat(stringbuffer.length() - 1);
                    stringbuffer.append("。" + project + "\n");
                    stringbuffer.append(str + "\n");
                } else if (str.contains("b、") || str.contains("c、") || str.contains("b.") || str.contains("c.")) {
                    stringbuffer.append(str + "\n");
                } else {
                    stringbuffer.append(str);
                }

            }
            bf.close();
            fr.close();
        } catch (ioexception e) {
            e.printstacktrace();
        }
        return stringbuffer;
    }

    public static string replaceall(string str) {
        return str.replaceall("网", "");
    }
}

结语

好了，以上就是java中继承相关概念介绍，感谢您的阅读，希望您喜欢，如有不足之处，欢迎评论指正。

到此这篇关于java基于pdfbox实现读取处理pdf文件的文章就介绍到这了,更多相关java读取处理pdf内容请搜索以前的文章或继续浏览下面的相关文章希望大家以后多多支持！