Java permet l'extraction de texte et d'images PDF

Les fichiers PDF sont toujours utilisés pour transporter un grand nombre d'informations intéressantes. Pour mieux utiliser ces informations, vous devez utiliser certains outils pour extraire des informations de texte et d'image du PDF. Vous trouverez ci-dessous quelques textes et photos qui extraient des PDF via Java.

Utilisation de l'outil:

• Free Spire Pdf pour JAVA 2.4.4 (version gratuite)
• Intellij IDEA / Eclipse

Présentation du package Jar:

--Méthode 1: Après avoir téléchargé le stress de Free Spire.Pdf pour Java depuis le site officiel, ajoutez-le à Shift + Ctrl + Alt + S dans IDEA ou Eclipse. En ajoutant le paquet Spire.Pdf.jar au programme, le fichier jar Peut être obtenu dans le dossier lib sous le chemin de décompression. Le résultat de l'introduction du package jar est le suivant:

• Méthode 2: installer à partir de la bibliothèque maven. Reportez-vous à la méthode d'installation (https://www.e-iceblue.com/Tutorials/Licensing/How-to-install-Spire.PDF-for-Java-from-Maven-Repository.html).

La documentation source du test est la suivante:

Voir l'exemple de code Java:

[Exemple 1] Extraire le contenu texte du PDF

** Étape 1: ** Ajouter un espace de noms;

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

** Étape 2: ** Créez une instance de PDF et chargez le fichier source PDF;

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

** Étape 3: ** Définissez un exemple de tampon de caractères qui traverse tout le document PDF en utilisant la méthode StringBuider;

// 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());
}

** Étape 4: ** Définissez une instance d'écriture pour écrire des données dans la zone tampon et utilisez write () pour écrire et enregistrer les données de la zone tampon dans un fichier text.txt.

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

Résultat de l'extraction de texte:

[Exemple 2] Extraction d'images au format PDF

** Étape 1: ** Ajouter un espace de noms;

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

** Étape 2: ** Créez une instance de PDF et chargez le fichier source PDF;

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

** Étape 3: ** La boucle for parcourt chaque page du PDF, utilise la méthode extractImages () pour obtenir l'image de la page spécifiée, et enfin enregistre l'image au format PNG.

        // 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);
            }
        }

Résultat d'extraction d'image: