Java ermöglicht die Extraktion von PDF-Text und Bildern

PDF-Dateien werden immer verwendet, um viele großartige Informationsinhalte zu enthalten. Um diese Informationen besser nutzen zu können, müssen Sie einige Tools verwenden, um Text- und Bildinformationen aus dem PDF zu extrahieren. Im Folgenden finden Sie einige Texte und Fotos, die PDFs über Java extrahieren.

Werkzeuggebrauch:

• Free Spire Pdf für JAVA 2.4.4 (kostenlose Version)
• Intellij IDEA / Eclipse

Einführung in das Jar-Paket:

• Methode 1: Nachdem Sie den Stress von Free Spire.Pdf für Java von der offiziellen Website heruntergeladen haben, fügen Sie ihn in IDEA oder Eclipse zu Umschalt + Strg + Alt + S hinzu. Fügen Sie dem Programm das Paket Spire.Pdf.jar hinzu, um eine JAR-Datei zu erstellen. Kann im lib-Ordner unter dem Dekomprimierungspfad abgerufen werden. Das Ergebnis der Einführung des Glaspakets ist wie folgt:

• Methode 2: Installation aus der Maven-Bibliothek. Weitere Informationen finden Sie in der Installationsmethode (https://www.e-iceblue.com/Tutorials/Licensing/How-to-install-Spire.PDF-for-Java-from-Maven-Repository.html).

Die Testquellendokumentation lautet wie folgt:

Siehe Java-Codebeispiel:

[Beispiel 1] Extrahieren Sie den Textinhalt von PDF

** Schritt 1: ** Fügen Sie einen Namespace hinzu;

import com.spire.pdf.*;
import java.io.FileWriter;

** Schritt 2: ** Erstellen Sie eine PDF-Instanz und laden Sie die PDF-Quelldatei.

//Create the PDF
PdfDocument doc = new PdfDocument();
//Load the PDF file
doc.loadFromFile("data/Sample.pdf");

** Schritt 3: ** Definieren Sie ein Beispiel für einen Zeichenpuffer, der das gesamte PDF-Dokument mit der StringBuider-Methode durchläuft.

// Traverse the PDF
StringBuilder buffer = new StringBuilder();
for(int i = 1; i<doc.getPages().getCount(); i++){
    PdfPageBase page = doc.getPages().get(i);
    buffer.append(page.extractText());
}

** Schritt 4: ** Definieren Sie eine Writer-Instanz, um Daten in den Pufferbereich zu schreiben, und verwenden Sie write (), um die Pufferbereichsdaten zu schreiben und in einer text.txt-Datei zu speichern.

//save text
String fileName = "output/text.txt";
FileWriter writer = new FileWriter(fileName);
writer.write(buffer.toString());
writer.flush();
writer.close();

Ergebnis der Textextraktion:

[Beispiel 2] Extrahieren von Bildern in PDF

** Schritt 1: ** Fügen Sie einen Namespace hinzu;

import com.spire.pdf.*;
import javax.imageio.ImageIO;
import java.awt.image.BufferedImage;
import java.io.File;

** Schritt 2: ** Erstellen Sie eine PDF-Instanz und laden Sie die PDF-Quelldatei.

        //Create the PDF
        PdfDocument pdf = new PdfDocument();
	   //Load the PDF file
        pdf.loadFromFile("data/Sample.pdf");

** Schritt 3: ** Die for-Schleife durchläuft jede Seite der PDF-Datei, verwendet die extractImages () -Methode, um das Bild der angegebenen Seite abzurufen, und speichert das Bild schließlich im PNG-Format.

        // Declare an int variable
	 int index = 0;
        // loop through the pages
        for (int i= 0;i< pdf.getPages().getCount(); i ++){
            //Get the PDF pages
            PdfPageBase page = pdf.getPages().get(i);
            // Extract images from a particular page 
            for (BufferedImage image : page.extractImages()) {
            //specify the file path and name
                File output = new File("output/" + String.format("Image_%d.png ", index++));                
            //Save image as .png file    
            ImageIO.write(image, "PNG", output);
            }
        }

Bildextraktionsergebnis: