java用tabula解析pdf文件中的表格

qq_36956002

于 2019-09-20 18:17:25 发布

阅读量9.3k

点赞数 8

CC 4.0 BY-SA版权

文章标签： java tabula pdf pdfbox pdf表格

本文链接：https://blog.youkuaiyun.com/qq_36956002/article/details/101070525

本文介绍如何利用Tabula Java库解析PDF文件中的表格，Tabula是在PDFBox基础上封装的，能处理无分割线的表格。通过示例展示了如何解决依赖冲突、设置参数以及获取表格数据，为PDF发票解析提供了解决方案。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

前面写了一个用pdf解析pdf格式的发票，因为发票的样式相当于一个表格，之前那篇博客已经说过了，pdfbox没找到能定位表格的线坐标的方法，所以明细部分的解析不能说是100%的正确，今天又找到一个新的东西，就是tabula，专门解析pdf表格，可以解析各种连分割线都没有的表格，真强，是在pdfbox的基础上再封装的，底层还是pdfbox实现的，github地址tabula-java

因为找了半天能找到的博客很少，所以下载了源码看一看，里面有很多test类

我就试了一下TestWriters，解出来的和直接用pdfbox的PDFTextStripper解析出来是一模一样的。

在网上看到的是用CommandLineApp这个类来解析的，研究一下这个吧

导入依赖

<dependency>
            <groupId>technology.tabula</groupId>
            <artifactId>tabula</artifactId>
            <version>1.0.3</version>
            <exclusions>
                <exclusion>
                    <artifactId>slf4j-simple</artifactId>
                    <groupId>org.slf4j</groupId>