【PdfBox】pdfbox解析PDF

最新推荐文章于 2025-07-01 16:48:21 发布

遥寄三山

最新推荐文章于 2025-07-01 16:48:21 发布

阅读量2.1k

点赞数

CC 4.0 BY-SA版权

分类专栏： ●第三方文章标签： pdf 扫描

本文链接：https://blog.youkuaiyun.com/sds15732622190/article/details/77868792

本文介绍了使用PdfBox库解析PDF的两种方法：全文解析和区域解析。在全文解析适合文字排列规整的PDF，而区域解析适用于文字不规整或表格类PDF。通过示例代码展示了如何操作，并建议使用PdfBox 2.X版本，因为新版本在文字位置准确性上有显著提升。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

前言

有时候会有这样的需求，需要将pdf中的字解析出来，存入库中，查看了一下pdfbox的文档，大概有两种方案。

一、全文解析

当一个pdf中全是文字并且排列规整的时候，直接全文解析出来就好，以下是全文解析代码：

public String getTextFromPdf() throws Exception {
    String pdfPath = “pdf文件路径”;
    // 开始提取页数
    int startPage = 1;
    // 结束提取页数
    int endPage = Integer.MAX_VALUE;
    String content = null;
    File pdfFile = new File(pdfPath);
    PDDocument document = null;
    try {
        // 加载 pdf文档
        document = PDDocument.load(pdfFile);
        // 获取内容信息
        PDFTextStripper pts = new PDFTextStripper();
        pts.setSortByPosition(true);
        endPage = document.getNumberOfPages();
        System.out.println("Total Page: " + end