本文将介绍通过Java程序来读取PDF文档中的文本和图片的方法。分别调用方法extractText()和extractImages()来读取。

使用工具：Free Spire.PDF for Java(免费版)

Jar文件获取导入：

方法1：通过官网

方法2： 可通过

Java代码示例

【示例1】读取PDF中的文本

import com.spire.pdf.*;

import java.io.FileWriter;

import java.io.IOException;

public class ExtractText {

public static void main(String[]args) throws Exception {

//加载测试文档

PdfDocument pdf = new PdfDocument("sample.pdf");

//实例化StringBuilder类

StringBuilder sb = new StringBuilder();

//定义一个int型变量

int index = 0;

//遍历PDF文档中每页

PdfPageBase page;

for (int i= 0; i

page = pdf.getPages().get(i);

//调用extractText()方法提取文本

sb.append(page.extractText(true));

FileWriter writer;

try {

//将StringBuilder对象中的文本写入到txt

writer = new FileWriter("ExtractText.txt");

writer.write(sb.toString());

writer.flush();

} catch (IOException e) {

e.printStackTrace();

}

}

pdf.close();

}

}

文本读取效果：

【示例2】读取PDF中的图片

import com.spire.pdf.*;

import javax.imageio.ImageIO;

import java.awt.image.BufferedImage;

import java.io.File;

public class ExtractImg {

public static void main(String[] args) throws Exception{

//加载测试文档

PdfDocument pdf = new PdfDocument();

pdf.loadFromFile("test.pdf");

//定义一个int型变量

int index = 0;

//遍历PDF每一页

for (int i= 0;i< pdf.getPages().getCount(); i ++){

//获取PDF页面

PdfPageBase page = pdf.getPages().get(i);

//使用extractImages方法获取页面上图片

for (BufferedImage image : page.extractImages()) {

//指定输出图片名称

File output = new File( String.format("Image_%d.png", index++));

//将图片保存为PNG格式文件

ImageIO.write(image, "PNG", output);

}

}

}

}

图片读取结果：

(本文完)