JAVA解析pdf文件

最新推荐文章于 2025-04-12 22:32:38 发布

Kien.tang

最新推荐文章于 2025-04-12 22:32:38 发布

阅读量3.8k

点赞数 2

文章标签： java pdf

本文链接：https://blog.youkuaiyun.com/Kien_tang/article/details/129144207

版权

该代码片段展示了如何利用ApachePDFBoxJava库来解析PDF文件的内容，包括读取整个文件、按页读取、提取图片以及在特定区域内提取文本。首先，它依赖于PDFBox库，然后提供了一系列方法，如`readFile`用于获取整个PDF的文本，`readPage`用于逐页读取文本，`readTextImage`用于提取图片，以及`readRectangle`用于从特定矩形区域内提取文本。此外，文件类型的检查是通过检查文件头的前四个字节来完成的。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

自己记录一下，方便下次用，判断文件是否为pdf类型，并且解析文件内容
1.需要依赖的包

<dependency>
    <groupId>org.apache.pdfbox</groupId>
    <artifactId>pdfbox</artifactId>
    <version>2.0.19</version>
</dependency>

2.Util类

import lombok.extern.slf4j.Slf4j;
import org.apache.pdfbox.cos.COSName;
import org.apache.pdfbox.io.RandomAccessFile;
import org.apache.pdfbox.pdfparser.PDFParser;
import org.apache.pdfbox.pdmodel.PDDocument;
import org.apache.pdfbox.pdmodel.PDPage;
import org.apache.pdfbox.pdmodel.PDResources;
import org.apache.pdfbox.pdmodel.graphics.image.PDImageXObject;
import org.apache.pdfbox.text.PDFTextStripper;
import org.apache.pdfbox.text.PDFTextStripperByArea;
import sun.misc.BASE64Decoder;

import javax.imageio.ImageIO;
import java.awt.*;
import java.awt.geom.Rectangle2D;
import java.io.File;
import java.io.FileOutputStream;
import java.io.IOException;
import java.util.Iterator;

/**
 * 解析PDF文件內容
 * @author: Tang qiqi
 * @create: 2023-02-21 15:11
 * @Description:
 */
@Slf4j
public class PDFParserUtils {
   
	public static final String PDF = "PDF";

    /**
     * base64文件字符串
     * @param base64Content
     * @return
     */
    public static String parserFileContent(String base64Content, String fileName){
   
        // 判斷base64字符串內容是否為空
        if(base64Content == null || base64Content.trim().length() == 0) {
   
            return "";
        }
        
        FileOutputStream fos = null;
        try {
   
            File tempFile = File.createTempFile(fileName, ".PDF");
            fos = new FileOutputStream(tempFile);
            BASE64Decoder decoder = new BASE64Decoder();
            // Base64解码,对字节数组字符串进行Base64解码并生成文件
            byte[] byt = decoder.decodeBuffer(base64Content);
            for (int i = 0, len = byt.length;<