概要
通常无法修改和编辑PDF文档格式的内容，但可以通过根据需要提取文本内容来实现。 本文介绍如何使用Java代码从PDF文档中提取文本内容。
本教程使用的第三方控件是Free Spire.PDF for Java (免费版)。 根据需要，可以支持以下三种提取功能：
提取PDF文档中的所有文本内容
提取PDF中指定页面的文本内容
提取PDF指定区域的文本内容
获取和部署Jar包
在执行代码之前，必须将Free Spire.PDF for Java控件的Jar包导入到IDEA中。 有两种导入方式。 其中之一是在官网上下载并解压缩包，然后手动将lib文件夹下的Spire.Pdf.jar导入IDEA中。 其次，在IDEA中创建Maven项目，在pom.xml文件中输入以下代码，最后单击" Import Changes "。
com.e-iceblueid
3358 repo.e-ice blue.cn/repository/maven-public/URL
存储库
储存库
e-icebluegroupId
spire.pdf.freeartifactId
3.9.0版本
依存
从属权利
示例代码
示例提取PDF文档中的所有文本内容
输入com.spire.pdf.pdf document；
import com.spire.pdf.pdf pagebase；
import java.io.*；
创建publicclassextractalltext { publicstaticvoidmain (string [ ] args ) pdf文档实例
PdfDocument doc=new PdfDocument (； 加载//pdf文档
doc.load from file (c : users test1 desktop sample.pdf )； 创建StringBuilder实例
stringbuilder sb=new stringbuilder (； pdf页面；页面； 遍历//pdf页面，获取每页的文本并将其添加到StringBuilder对象
for(intI=0； itrue )； } FileWriter writer； 将try//stringbuilder对象的文本写入文本文件
writer=new filewriter (output/extract alltext.txt )； writer.write(sb.tostring ) )； writer.flush (； }catch(ioexceptione ) { e.printStackTrace )； } doc.close (； }
}
提取效果：
示例提取PDF中指定页面的文本内容
import com.spire.pdf.*；
import java.io.BufferedWriter；
import java.io.File；
import java.io.FileWriter；
import java.io.IOException；
publicclassextracttextfromparticularpage { publicstaticvoidmain (string [ ] args ) throws IOException { //加载PDF文档
pdf文档pdf=new pdf文档(； pdf.load from file (c : users test1 desktop sample.pdf )； 创建//.txt文件并保存提取的文本
string result=' output/extracttextfromaparticularpage.txt '； 文件文件=new文件(result； if (！ file.exists () { file.delete； } file.createNewFile ()； filewriter fw=new filewriter (file，true )； bufferedwriterbw=newbufferedwriter (fw；//获取第1页的文本
PdfPageBase page=pdf.getPages ().get ) ) 0； string text=page.extract text (true； //string text=page.extract text (false )；
bw.write(Text； bw.flush (； bw.close (； fw.close (； }
}
提取效果：
示例提取PDF指定区域的文本内容
import com.spire.pdf.*；
import Java.awt.geom.rectangle 2d；
import java.io.BufferedWriter；
import java.io.File；
import java.io.FileWriter；
import java.io.IOException；
publicclassextracttextfromspecificarea { publicstaticvoidmain [ ] args ] throwsioexception {///加载PDF文档
pdf文档pdf=new pdf文档(； pdf.load from file (c : users test1 desktop sample.pdf )； 创建//.txt文件并保存提取的文本
文件文件=new文件(output/extracttextfromaspecifiedarea.txt )； if (！ file.exists () { file.delete； } file.createNewFile ()； filewriter fw=new filewriter (file，true )； bufferedwriterbw=newbufferedwriter (fw；//获取第1页
PdfPageBase page=pdf.getPages ().get ) ) 0； 提取第//1页指定区域的文本
string text=page.extract text (new rectangle 2d.float (80，20，500，110 )； bw.write(Text； bw.flush (； bw.close (； fw.close (； }
}
提取效果：
文章来源： segmentfault.com，作者： Millie_Yellow，版权归原作者所有。 转载的情况下，请联系作者。
原文链接： segment fault.com/a/119000038215489