Java处理PDF就靠它!Apache PDFBox:开源免费的PDF全能王

使用PDFBox封装一个简单易用的工具类快速生成pdf文件 文章目录一、PDFbox说明1、坐标2、线3、图4、字5、字体加载6、jfreechart图表转字节数组7、依赖二、PDFbox样式1、文字颜色2、线颜色3、线样式三、工具类边框样式对齐样式表行列图片列pdf工具类测试方法四、效果图 一、PDFbox说明 1、坐标 文档左下角为坐标原点,x轴向右从0增加,y轴向上增加 2、线 以起始位置至终点一条线,线宽以垂直于起始至终止连线方向发散,例如线宽20,起始位置(0,10),终止位置(500,10)则线实际所占位置为(0,0),(0,20),(500,0),( 阅读详情
AI摘要

本文介绍了Apache PDFBox,一款开源免费的Java工具,用于处理PDF文档。它具有文本提取、合并分割、表单数据提取等8大功能。文中展示了文本提取、PDF合并、提取图像、增加签章等常用功能,并给出避坑指南,如避免内存泄露、注意版本和JDK版本差异等。

01 引言

在日常开发中,我们可能会遇到PDF的处理,如PDF的内容提取、分割、合并等操作。你们都是用什么工具操作的呢?

今天介绍一款Apache出品的工具PDFBox,作为Apache基金会开源项目,它以轻量级、高扩展性著称,完美解决PDF的解析、生成与操作难题。

官网地址:https://pdfbox.apache.org/

02 核心功能一览

Apache PDFBox库是用于处理PDF文档的开源 Java 工具。此项目允许创建新的 PDF 文档、作现有文档以及从文档中提取内容的能力。Apache PDFBox 还包括几个命令行实用程序。Apache PDFBox 在 Apache 许可证 v2.0 下发布。

主要有8个功能:

  • 从PDF文件提取中文本
  • PDF的合并和分割
  • 从PDF表单中提取数据,或填充PDF表单
  • 验证PDF否符合PDF/A-1b标准
  • 使用标准的Java打印API打印PDF文件
  • 将PDF文件另存为图像格式
  • 从零开始创建PDF文件,包括嵌入字体和图像
  • 对PDF文件进行数字签名

03 功能展示

Apache PDFBox 主要提供了8个功能,通过演示几个常用的功能,了解一下Apache PDFBox的魅力。

展示的版本为当期那最新版本3.0.5:

<dependency>
    <groupId>org.apache.pdfbox</groupId>
    <artifactId>pdfbox</artifactId>
    <version>3.0.5</version>
</dependency>

3.1 文本提取

文本提取的关键类:org.apache.pdfbox.text.PDFTextStripper

 @Test
void test01() throws IOException {
    try (PDDocument pdDocument = Loader.loadPDF(ResourceUtils.getFile("classpath:pdf/wyc-fp.pdf"))){
        PDFTextStripper textStripper = new PDFTextStripper();
        String text = textStripper.getText(pdDocument);
        System.out.println(text);
    }
}

因为PDDocument使用完毕之后需要关闭资源,类似JDK中的流。这里使用try-with-resources自动关闭资源。案例提取了一张网约车发票的信息。

结果展示

3.2 PDF合并

PDF合并的关键类是:org.apache.pdfbox.multipdf.PDFMergerUtility

@Test
void test02() throws IOException {
    PDFMergerUtility pdfMerger = new PDFMergerUtility();
    pdfMerger.addSource(ResourceUtils.getFile("classpath:pdf/wyc-fp.pdf"));
    pdfMerger.addSource(ResourceUtils.getFile("classpath:pdf/wyc-fp2.pdf"));

    // 设置合并后的pdf名称
     pdfMerger.setDestinationFileName("merge-fp.pdf");
//        pdfMerger.setDestinationStream(new FileOutputStream(file));

    pdfMerger.mergeDocuments(MemoryUsageSetting.setupMainMemoryOnly().streamCache);
    System.out.println("PDF文件合并完成");
}

通过addSource()方法,添加要合并的PDF资源。然后设置合并后的PDF名称,也可以通过setDestinationStream()指定合并的PDF保存的位置。

执行结果

默认保存在项目的根路径下面:

3.3 提取图像

提取PDF中图像的关键类:org.apache.pdfbox.pdmodel.graphics.image.PDImageXObject

@Test
void test03() throws Exception {
    try (PDDocument pdDocument = Loader.loadPDF(ResourceUtils.getFile("classpath:pdf/wyc-fp.pdf"));) {
        // 获取第一页:因为只有一页
        PDPage page = pdDocument.getPage(0);

        PDResources resources = page.getResources();
        Iterable<COSName> xObjectNames = resources.getXObjectNames();
        for (COSName xObjectName : xObjectNames) {
            // 判断是否包含图片对象
            if (resources.isImageXObject(xObjectName)) {
                PDImageXObject imageObject = (PDImageXObject) resources.getXObject(xObjectName);
                BufferedImage bImage = imageObject.getImage();
                // 将图像保存为 PNG 格式
                try (ByteArrayOutputStream baos = new ByteArrayOutputStream()) {
                    // 将图片写入输出流里面
                    ImageIO.write(bImage, "png", baos);
                    byte[] imageBytes = baos.toByteArray();
                    String imageFilePath = "image_" + System.currentTimeMillis() + ".png";
                    try (FileOutputStream fos = new FileOutputStream(imageFilePath)) {
                        fos.write(imageBytes);
                        System.out.println("Page Image path: " + imageFilePath);
                    }
                }
            }
        }
    }
}

通过resources.getXObject(xObjectName)获取图像资源,通过ImageIO.write()写到输出流里面

执行结果

可以看出打印和输出的图片名称和图片。提取出了那些图片呢?

这里为了方便截图,将三张图展示在了一起。

3.4 增加签章

增加签章的关键类:org.apache.pdfbox.pdmodel.PDPageContentStream

@Test
void test04() throws Exception {
    PDDocument pdDocument = Loader.loadPDF(ResourceUtils.getFile("classpath:pdf/wyc-fp.pdf"));
    PDImageXObject pdImage = PDImageXObject.createFromFile("src/main/resources/pdf/apache-logo.jpg", pdDocument);
    // 设置logo的宽度和高度
    float imageWidth = 100;
    float imageHeight = 100;

    if (pdDocument != null) {
        PDPage page = pdDocument.getPage(pdDocument.getNumberOfPages() - 1);
        float pageWidth = page.getMediaBox().getWidth();;

        // 计算logo位置:页面右下角
        float x = pageWidth - imageWidth - 20; // 右边距20
        float y = 20; // 下边距20

        // 为最后一页创建一个新的内容流以添加logo
        try (PDPageContentStream contentStream = new PDPageContentStream(pdDocument, page,
                PDPageContentStream.AppendMode.APPEND, true, true)) {
            // 绘制logo图片
            contentStream.drawImage(pdImage, x, y, imageWidth, imageHeight);
        }
        pdDocument.save("logo_" + System.currentTimeMillis() + ".pdf"); // 保存修改后的PDF
    }
}

这里的签章用的是Apache的logo。将签章放在右下角。

执行结果

04 避坑指南

4.1 内存泄露的风险

用完必须关闭文档对象。推荐Try-with-resources:

try (PDDocument pdDocument = Loader.loadPDF(file)){
     // ***  
}

4.2 版本差异

2.0.x与3.0存在API部分不兼容,如:

// 2.0.x 加载文件
PDDocument.load(file)
    
// 3.0 加载文件
Loader.loadPDF(file)   

4.3 JDK版本要求差异

2.0.x与3.0对JDK版本最低要求不一样

# 2.0.x 最低要求:JDK1.6

# 3.0 最低要求:JDK1.8

05 小结

Apache PDFBox以其简洁的API设计和强大的底层能力,成为Java开发者处理PDF的首选利器。无论是自动化报表生成还是文档分析系统,它都能提供可靠支持。结合本文的代码示例与避坑指南,可快速构建稳健的PDF处理流程。

本文只是简单的介绍了其部分功能,里面还有很多深藏的功能,等待你去挖掘!

Springboot使用pdfbox提取PDF图片 PDFBox是一个用于创建和处理PDF文档的Java库。它可以使用Java代码创建、读取、修改和提取PDF文档中的内容。PDFBox的功能:Extract Text - 使用PDFBox,您可以从PDF文件中提取Unicode文本。Split & Merge - 使用PDFBox,您可以将单个PDF文件分成多个文件,并将它们合并为一个文件。Fill Forms - 使用PDFBox,您可以在文档中填写表单数据。Print - 使用PDFBox,您可以使用标准Java打印API打印PDF文件。 阅读详情

相关推荐

Apache PDFbox开发指南之PDF文档读取

介绍如何利用Apache PDFbox开发包读取PDF文件文本、图片内容。

loongshawn的博客 7万+

开源PDF工具 Apache PDFBox 认识及使用(知识点+案例)

开源PDF工具 Apache PDFBox 认识及使用(知识点+案例)

每个人都是独一无二的,把握好自己的节奏,跟着自己的心走。 2万+

【Java】基于Pdfbox解析PDF文档中指定位置的文字和图片

1.1 PDFBOX介绍 Apache PDFBox是一个开源Java库,支持PDF文档的开发和转换。 我们可以使用PDFBox开发可以创建,转换和操作PDF文档的Java程序。PDFBox的主要功能: Extract Text - 使用PDFBox,您可以从PDF文件中提取Unicode文本。 Split & Merge - 使用PDFBox,您可以将单个PDF文件分成多个文件,并将它...

黑白猿的琐碎日常 3万+

PDFBox操作PDF文档之创建PDF文档、加载PDF文档、添加空白页面、删除页面、获取总页数、添加文本内容、PDFBox坐标系-支持Android

PDFBox是Apache提供的一款专门用于操作PDF文档的工具组件,使用PDFBox可以很方便对PDF文档进行各种操作,例如:创建PDF文档、读取PDF文档内容、加载PDF文档内容、合并PDF文档、拆分PDF文档等等,使用PDFBox需要引入对应的依赖,这篇文章就基于下面的依赖,介绍一下PDFBox中一些常见的方法及其使用方式。-- 引入 PDFBox 相关的依赖 开始 -->-- 引入 PDFBox 相关的依赖 结束 -->

空名先生 5133

使用java开源框架pdfbox添加书签

java开源框架pdfbox生产书签目录

kinbridge的专栏 1648

【PDFBox】PDFBox操作PDF文档之创建PDF文档、加载PDF文档、添加空白页面、删除页面、获取总页数、添加文本内容、PDFBox坐标系

PDFBox是Apache提供的一款专门用于操作PDF文档的工具组件,使用PDFBox可以很方便对PDF文档进行各种操作,例如:创建PDF文档、读取PDF文档内容、加载PDF文档内容、合并PDF文档、拆分PDF文档等等,使用PDFBox需要引入对应的依赖,这篇文章就基于下面的依赖,介绍一下PDFBox中一些常见的方法及其使用方式。-- 引入 PDFBox 相关的依赖 开始 -->-- 引入 PDFBox 相关的依赖 结束 -->

✅ Java 开发工程师 8458

Apache PDFBox 是一个开源 Java 库,支持 PDF 文档的开发和转换

PDFBox - 概述 可移植文档格式 (PDF) 是一种文件格式,有助于以独立于应用程序软件、硬件和操作系统的方式呈现数据。 每个 PDF 文件都包含对固定布局平面文档的描述,包括文本、字体、图形和显示它所需的其他信息。 有几个库可用于通过程序创建和操作 PDF 文档,例如 - Adobe PDF Library- 该库以 C++、.NET 和 Java 等语言提供 API,使用它我们可以编辑、查看打印和从 PDF 文档中提取文本。 Formatting Objects Proce.

allway2的博客 1万+

基于verilog的16QAM调制

思路1:正交调幅法——实现16QAM调制,可以理解为时相位相差90度的两个正弦波的4PAM叠加。 4比特输入经过2->4进制转化得到两路2比特输入,然后分别经过4PAM后叠加所得输出即为16QAM调制结果。 具体程序稍后编写。 思路2:复合相移法——可以借助前面编写的QPSK,相当于两路幅度不同的QPSK的叠加,比如幅度分别取1和3 。 思路1正交调幅法的设计方案: 两正弦波相位差...

weixin_30725467的博客 2929

[Java]使用Apache Pdfbox生成pdf

前言 笔者翻遍了网上关于Java生成pdf文章,发现大多都是使用itext来生成pdf,但是由于协议问题,这个方案对于商用不太友好。另外还有一种方式是采用Apache基金会开源的pdfbox来生成pdf,这也是笔者这次使用的方案,但是目前网上的博客或多或少都存在一些问题,于是我决定将自己的方案分享出来供大家参考。 方案主要分为下面3步: 准备pdf表单 生成pdf 将pdf转为图片并写入pdf文件 Maven依赖: &lt

2404_87525603的博客 5139

技术文档的语言表达:简洁、准确与易懂的平衡艺术

技术文档的语言表达不仅要简洁、准确,还需要能够打破技术壁垒,使不同背景的读者都能理解。这是一项需要技巧和经验的工作,它要求技术作者既要具备扎实的专业知识,又要具备清晰的表达能力。通过不断打磨语言的简洁性、准确性和易懂性,我们能够创造出一份高质量的技术文档,让知识的传递不再受限于语言的障碍。

人心有反复,好在山水有重逢。 4679

windows中如何将已安装的nodejs高版本降级为低版本

第一步:先清空本地安装的node.js版本 1.按健win+R弹出窗口,键盘输入cmd,然后敲回车(或者鼠标直接点击电脑左面最左下角的win窗口图标弹出,输入cmd再点击回车键) 然后进入命令控制行窗口,并输入where node查看之前本地安装的node的路径 2.找到上面找到的路径,将node.exe所在的父目录里面的所有东西都删除 3.为了彻底删除之前安装的node.js,鼠标点击电脑左面最左下角的win窗口图标弹出,输入“控制面板”再点击回车键进入,进入控制面板后,找到所安装的node.js并

weixin_44582077的博客 9万+

Apache PDFBox 完全指南:Java PDF处理从入门到精通

Apache PDFBox是一个功能强大的开源Java库,专门用于处理PDF文档。它提供了丰富的API来读取、写入、操作和打印PDF文档,是Java开发者在处理PDF文档时的首选工具。 ## 📋 项目快速入门 Apache PDFBox支持多种PDF操作功能,包括文本提取、文档合并、页面拆分、加密解密等。项目采用模块化设计,主要包含以下核心模块: - **pdfbox**:核心PDF处理模

gitblog_00929的博客 1630

EMC辐射发射测试:垂直与水平极化测试原理与实战指南

电磁兼容(EMC)测试是确保电子设备在复杂电磁环境中稳定运行的关键环节,其核心在于评估设备产生的电磁干扰(EMI)强度。辐射发射测试作为EMC测试的重要组成部分,通过测量设备向空间辐射的电磁噪声,判断其是否符合国际标准限值。测试原理基于电磁波的极化特性,即电场矢量的振动方向,主要分为垂直极化和水平极化。理解极化特性对于精准定位辐射源、高效进行EMC整改具有重要技术价值。在工程实践中,垂直极化噪声通常源于线缆辐射等垂直结构,而水平极化噪声多来自PCB走线等水平结构。通过分别测量两种极化方向的辐射最大值,可以全

weixin_32770423的博客 365

iTextPDF+Apache PDFBox®实现免费的html转PDF功能

平替iTextPDF付费方案,Apache PDFBox 和 iTextPDF,可以实现更加灵活且免费的 HTML 转 PDF 解决方案。结合富文本编辑器可以实现下载带格式的pdf下载文章

LEOONELI的博客 2180

RAG项目简历包装指南:从“流水线工人”到“问题解决者”的跃迁(附代码与思路)

本文代码已在Python 3.11 + CUDA 12.3环境测试,部分功能需LangChain 0.2+支持。

Conan_0728的博客 1887

基于YOLOv12的焊接质量检测系统:从原理到实现的完整指南

python"""标准卷积块: Conv + BatchNorm + SiLU""""""跨阶段部分连接块"""])"""YOLOv12颈部网络 - 特征金字塔"""p3, p4, p5 = features # 不同尺度的特征图# 上采样路径x = self.csp1(x) # 中尺度特征y = self.csp2(y) # 小尺度特征# 下采样路径z = self.csp3(z) # 中尺度特征。

YOLO 186

Apache PDFBox入门指南:5分钟快速掌握PDF文档处理

Apache PDFBox是一个功能强大的开源Java库,专门用于处理PDF文档。无论您是需要创建新的PDF文件、修改现有文档,还是从PDF中提取内容,PDFBox都能提供完整的解决方案。这个由Apache软件基金会维护的项目已经成为Java开发者处理PDF文档的首选工具之一,支持PDF文档的创建、编辑、解析和渲染等全方位操作。 ## 📦 快速开始:环境搭建与项目配置 要开始使用Apache

gitblog_00197的博客 826

对雷达中相位补偿概念的一些理解

基于多普勒相位补偿的速度扩展方法和DBF测角,两者本质上都是对相位进行补偿。

qq_42235129的博客 4031

Apache PDFBox - A Java PDF Library

The Apache PDFBox® library is an open source Java tool for working with PDF documents. This project allows creation of new PDF documents, manipulation of existing documents and the ability to extract content from documents. Apache PDFBox also includes seve

page_qiu的博客 1960

PyTorch实战(20)——生成对抗网络(Generative Adversarial Network,GAN)

自生成对抗网络 (Generative Adversarial Network, GAN) 提出以来,一直是一个活跃的研究和开发领域。本节探索了 GAN 的基本概念,重点解析了其两大核心组件——生成器与判别器的架构设计,深入阐述了 GAN 模型的整体工作机制,并使用 PyTorch 从零开始实现了深度卷积生成对抗网络 (Deep Convolutional GAN, DCGAN)。

盼小辉丶的博客 3601

锂电池充电器电路设计 里面有电路

锂电池充电器电路设计 里面有电路 3.7V升压到5V电路设计。

使用 Apache PDFBox 操作PDF文件

Apache PDFBox库是一个用于处理PDF文档的开源Java工具。该项目允许创建新的PDF文档,操作现有PDF文档,并从PDF文档中提取内容。Apache PDFBox还包括几个命令行实用程序。

万猫学社 1万+

精雕软件(JDpaint) 5.5 绿色版

精雕软件(JDpaint) 5.5 绿色版精雕软件(JDpaint) 5.5 绿色版精雕软件(JDpaint) 5.5 绿色版

Apache PDFBox终极指南:5个简单步骤让Java PDF处理变轻松

Apache PDFBox是一个功能强大的开源Java库,专门用于PDF文档的创建、操作和内容提取。这个由Apache软件基金会维护的项目为Java开发者提供了完整的PDF处理解决方案,从简单的文本提取到复杂的文档操作都能轻松应对。 > 📌 **核心关键词**:Apache PDFBox、Java PDF处理、PDF文档操作、文本提取 ## 🚀 为什么选择PDFBox处理PDF文档? P

gitblog_00636的博客 998

VB摄像头监控

该VB模块可对摄像头捕获的画面进行录像等,可在创建的窗口进行控制

android 蓝牙通讯demo

android 下蓝牙通讯demo,实现了发现蓝牙,使能蓝牙,通过蓝牙发送消息。

Apache PDFBox入门指南:快速掌握PDF处理的5大关键技巧

Apache PDFBox是一个功能强大的开源Java库,专为PDF文档处理设计。它允许开发者轻松实现PDF文档的读取、写入、操作和打印等核心功能,是Java开发者处理PDF业务的理想选择。无论是需要提取文本内容、合并多个PDF文件,还是添加水印和注释,PDFBox都能提供高效且可靠的解决方案。 ## 1. 环境搭建:5分钟快速上手PDFBox 要开始使用Apache PDFBox,首先需要搭

gitblog_00688的博客 777

Apache PDFBox实践

电子发票PDF识别——效率提升与成本节约。发票合并打印——A4二合一。发票合并打印——A4四合一。pdf安全防护——电子签章。

1188

终极指南:如何用Apache PDFBox轻松处理Java PDF文档

Apache PDFBox是一个功能强大的开源Java库,专门用于处理PDF文档。作为Java PDF处理的最佳选择,PDFBox提供了完整的PDF操作功能,包括创建、解析、编辑和转换PDF文件。无论你是Java开发者还是需要处理PDF文档的用户,这个库都能满足你的各种需求。 ## 🎯 为什么选择Apache PDFBox? PDFBox是Java生态中最全面的PDF处理解决方案之一,相比其

gitblog_00318的博客 347
上一篇: Java四大引用:强、软、弱、虚,彻底搞懂内存管理!
下一篇: 解锁万能文件内容提取器:Apache Tika
智_永无止境
博客等级 码龄10年 803粉丝 407原创
评论
成就一亿技术人!
拼手气红包6.0元
还能输入1000个字符
 
 条评论被折叠 查看
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付:10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包

打赏作者

智_永无止境

你的鼓励将是我创作的最大动力

¥1 ¥2 ¥4 ¥6 ¥10 ¥20
扫码支付:¥1
获取中
扫码支付

您的余额不足,请更换扫码支付或充值

打赏作者

实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值