本文介绍了如何使用Java和Free Spire.PDF库从大量PDF文档中提取特定内容（例如代码缺陷），并对提取的内容进行去重操作，将结果保存到TXT文件中，方便程序员处理。
我们有时候会遇到一个非常大的PDF文件需要处理，里面内容很多（页码达到几万数量级）比如代码扫漏平台（奇安信代码卫士）出的扫漏报告，我这里有一个项目扫漏之后的报告居然有46946页之多。
而从这份文档里找出类似于下图代码缺陷的爆发行文字，数量少的话或许还行，如果一个漏洞上达几千个缺陷，这个文档无论如何让人读起来也是非常枯燥与费劲的，那么有没有办法从这浩瀚的文档中提出自己想要的漏洞代码爆发行呢（比如提出指定范围页码的爆发行文档即可，然后提取内容输出到txt中）
上图这个缺陷提示有1387之多，实际上这里的数量其实是不准确的，有很多是重复的。
本例用到了pdf组件 Free Spire.PDF 下方提供的jar包的官方下载地址
在使用以下代码前，你需要下载Free Spire.PDF for JAVA包并解压缩，然后从lib文件夹下，导入Spire.Pdf.jar包和Spire.Common.jar包到你的Java应用程序中：（更正
最低0.47元/天 解锁文章
扫一扫
4062
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
