解析pdf文档

关注

原创最新推荐文章于 2026-03-23 00:06:09 发布 611 阅读 AI 写同款· GEO 优化 ›

LLM文档对话 —— pdf解析关键问题本文探讨了利用LLM实现文档助手时，对pdf进行解析的重要性及其方法。pdf解析主要分为基于规则和基于AI两种方法，各有优缺点。长文档解析中，分块索引法和文本摘要法是常见策略，但存在语义破坏和内容丢失问题。提取标题和多级标题对于LLM理解文档至关重要。此外，本文还讨论了如何区分单栏和双栏pdf、提取表格和图片数据，以及基于AI的文档解析的优缺点。建议根据pdf类型进行特定处理，以提高解析效率和准确性。阅读详情

需要jar包支持
fontbox-1.8.11.jars
pdfbox-1.8.11.jar
pdfbox-2.0.0-RC3.jar

--------------------------------------代码部分----------------------------------------
//解析pdf，入库
    public Map analysisPdf(String path) {
        Map map = new HashMap();
        map.put("state", "success");
        // 是否排序
        boolean sort = false;
        // 开始提取页数
        int startPage = 16;
        // 结束提取页数
        int endPage = 25;
        // 文件输入流，生成文本文件

        // 内存中存储的PDF Document
        PDDocument document = null;
        try {
            // 如果作为URL装载得到异常则从文件系统装载
//            document = PDDocument.load("E:\\JCI医院.pdf");
            document = PDDocument.load(path);
             //判断pdf文件是否加密了
            if (document.isEncrypted()) {
                      System.out.println("该文件是加密文件，不能打开......");
                      map.put("errorInfo", "pdf加密了,无法解析");
                      return map;
             }
            // PDFTextStripper来提取文本
            PDFTextStripper stripper = new PDFTextStripper();
            //取每页的数据
            int pageNum = 16;
            endPage= document.getPageCount();
            for(int i=startPage;i<=endPage;i++){
                // 设置是否排序
                stripper.setSortByPosition(sort);
                // 设置起始页
                stripper.setStartPage(i);
                // 设置结束页
                stripper.setEndPage(i);
                // 设置每页末尾字符串
//                stripper.setPageEnd("\r\n======================"+pageNum+"========================\r\n");
                //把每页的字符内容插入到数据库
                String strText = stripper.getText(document);
//                System.out.println(strText);

                PdfContent upload =  new PdfContent();
                upload.setPageNum(pageNum);
                upload.setContent(strText);
                uploadPdfDao.save(upload);
                pageNum++;
            }

        }catch (IOException e){

        }
        if (document != null) {
            // 关闭PDF Document
            try {
                document.close();
            } catch (IOException e) {
                // TODO Auto-generated catch block
                e.printStackTrace();
            }
        }
        return map;
    }