使用java进行pdf转word实战

package com.ljl; /*** @author  * @Package_name PACKAGE_NAME* @Date 2019/4/1 0001 上午 8:30* @Description*/import org.apache.pdfbox.cos.COSName;
import org.apache.pdfbox.pdmodel.PDDocument;
import org.apache.pdfbox.pdmodel.PDPage;
import org.apache.pdfbox.pdmodel.PDPageTree;
import org.apache.pdfbox.pdmodel.graphics.image.PDImageXObject;
import org.apache.pdfbox.text.PDFTextStripper;
//import org.apache.pdfbox.util.PDFTextStripper;import javax.imageio.ImageIO;
import java.awt.image.BufferedImage;
import java.awt.image.RenderedImage;
import java.io.*;
import java.util.ArrayList;
import java.util.Date;
import java.util.List;public class Pdf2word
{public static void main(String[] args){try{String pdfFile = "E:/Hadoop2.pdf";PDDocument doc = PDDocument.load(new File(pdfFile));int pagenumber = doc.getNumberOfPages();pdfFile = pdfFile.substring(0, pdfFile.lastIndexOf("."));String fileName = pdfFile + "_new.doc";File file = new File(fileName);if (!file.exists()){file.createNewFile();}FileOutputStream fos = new FileOutputStream(fileName);Writer writer = new OutputStreamWriter(fos, "UTF-8");PDFTextStripper stripper = new PDFTextStripper();stripper.setSortByPosition(true);// 排序stripper.setStartPage(1);// 设置转换的开始页stripper.setEndPage(pagenumber);// 设置转换的结束页stripper.writeText(doc, writer);writer.close();doc.close();System.out.println("pdf转换word成功！");}catch (IOException e){e.printStackTrace();}try {String pdfFile = "E:/Hadoop2.pdf";PDDocument doc = PDDocument.load(new File(pdfFile));List<PDImageXObject> imagelist=  getImageListFromPDF(doc,0);System.out.println("图片个数 ： "+imagelist.size());for (int i=0;i<imagelist.size();i++){writeImageInputStream(imagelist.get(i));//写入文件系统}}catch (Exception e){e.printStackTrace();}}/*** 从pdf文档中读取所有的图片信息* * @return* @throws Exception */public static List<PDImageXObject> getImageListFromPDF(PDDocument document, Integer startPage) throws Exception {List<PDImageXObject> imageList = new ArrayList<PDImageXObject>();if(null != document){PDPageTree pages = document.getPages();startPage = startPage == null ? 0 : startPage;int len = pages.getCount();System.out.println("页数 "+len);if(startPage < len){for(int i=startPage;i<len;i++){PDPage page = pages.get(i);if(page!=null) {if( page.getResources()!=null) {Iterable<COSName> objectNames = page.getResources().getXObjectNames();for (COSName imageObjectName : objectNames) {if (page.getResources().isImageXObject(imageObjectName)) {imageList.add((PDImageXObject) page.getResources().getXObject(imageObjectName));}}}else {System.out.println("当前页面没有图片 page.getResources() is null ");}}else {System.out.println("page is null ");}}}}return imageList;}/*** 读取图片文件流信息* @param image* @return* @throws Exception */public static InputStream getImageInputStream(PDImageXObject image) throws Exception{if(null!=image && null!= image.getImage()){BufferedImage bufferImage = image.getImage();ByteArrayOutputStream os = new ByteArrayOutputStream();ImageIO.write(bufferImage, image.getSuffix(), os);return new ByteArrayInputStream(os.toByteArray());}return null;}/*** 写入文件系统* @param image* @throws Exception*/public static void writeImageInputStream(PDImageXObject image) throws Exception{if(null!=image && null!= image.getImage()) {//粗略写入到文件系统Date date=new Date();String name = date.getTime()+"_image" ;File imgFile = new File("E:/images/" + name + "." + image.getSuffix());//写入的地址FileOutputStream fout = new FileOutputStream(imgFile);ByteArrayOutputStream os = new ByteArrayOutputStream();BufferedImage imageb = image.getImage();ImageIO.write(imageb, image.getSuffix(), os);InputStream is = new ByteArrayInputStream(os.toByteArray());int byteCount = 0;byte[] bytes = new byte[1024];while ((byteCount = is.read(bytes)) > 0) {fout.write(bytes, 0, byteCount);}fout.close();is.close();}}}

上面是使用pdfbox-2.0.11.jar进行pdf转word的代码，和对pdf中图片的读取写入到文件系统，附带pom配置

<dependencies><dependency><groupId>junit</groupId><artifactId>junit</artifactId><version>4.11</version><scope>test</scope></dependency><dependency><groupId>org.bouncycastle</groupId><artifactId>bcprov-jdk16</artifactId><version>1.46</version></dependency><dependency><groupId>commons-logging</groupId><artifactId>commons-logging</artifactId><version>1.2</version></dependency><dependency><groupId>com.ibm.icu</groupId><artifactId>icu4j</artifactId><version>4.8</version></dependency><dependency><groupId>org.apache.pdfbox</groupId><artifactId>pdfbox</artifactId><version>2.0.11</version></dependency><dependency><groupId>org.apache.pdfbox</groupId><artifactId>fontbox</artifactId><version>2.0.11</version></dependency></dependencies>

jar包下载地址https://download.csdn.net/download/javabuilt/10575651

https://download.csdn.net/download/warren_one/10131767

使用java进行pdf转word实战相关推荐

Java为 pdf、word和excel添加水印
1. 引入依赖 <dependency><groupId>com.alibaba</groupId><artifa ...
java实现pdf转为word
Installing Spire.Pdf.jar 如果您创建了⼀个 Maven 项⽬,您可以使⽤以下配置轻松地在您的应⽤程序中导⼊ jar.对于⾮ Maven 项⽬,请从此下载 jar ⽂件并⼿动将 ...
java实现PDF转Word(无水印无页数限制)完全开放
jar包破解 1.pom文件分别复制进pom文件,记得配置maven的中央仓库在settings.xml中配置单独的仓库地址<repositories><repository> ...
Java：pdf转word
转换思路使用第三方库Spire的免费版本,转换页数要求11页输入一个pdf时候,小于11页直接转换,大于11页就先切分成子pdf 对每一个小的pdf进行转换,最后再合并. 总体上就是一个大的pdf ...
java 实现pdf 转word去除水印和去除页数限制
背景每次下载的pdf文档想转成word文档,都从网上找各种找网址,网上的网址要么存在必须要充值,要么转化效果不好等等问题.作为一个技术人员,所以想能否实现pdf转化为word文档代码实现 1.1 ...
java实现PDF 转WORD
CSDN话题挑战赛第2期参赛话题:Java技术分享引言由于市场上目前的各种格式文件的转换基本上都需要会员,怎么办呢? 不走寻常路,我们是程序员我们当然要不走寻常路了,我们要动用一些特殊手段,展 ...
java实现pdf转word，解决个别排版错乱问题
项目中要实现客户上传完pdf,上传成功后直接就转成word格式的,之前网上一些免费的转出来的word大致还行,但是有些排版就错乱了,如下图: 下面这个是用java改造后的,效果如下,排版整齐,和pdf ...
Java 将PDF转为Word
众所周知,PDF文档除了具有较强稳定性和兼容性外, 还具有较强的安全性,在工作中可以有效避免别人无意中对文档内容进行修改.但与此同时,也妨碍了对文档的正常修改.这时我们可以将PDF转为Word文档进行 ...
java实现 pdf转word
这里使用Apache PDFBox是Java开源PDF文档第三方库工具集,主要特征提取提取pdf提取文本.分隔合并.填写表单.保存为图片.PDF数字签名及创建PDF文件. 添加maven依赖 < ...

使用java进行pdf转word实战

使用java进行pdf转word实战相关推荐

最新文章

热门文章