java 读取pdf各级标题_Java那些事之pdf读取

今天说说java中的pdf读取，实话说，这是一个很恼人的任务。现在网络上的pdf各种各样，分析出来的文本也是千差万别，目前最流行的jar包pdfbox也只能做到把文字分析出来，并无法很好的控制分析的顺序，格式，字体等信息。(也许可以，是我对pdfbox了解还不够，如果是这样的话，大家一定要告诉我~先谢过了哈。)这给后续的工作带来了很大的麻烦。比如我想提取pdf的一些关键词或标题等有用信息，而分析出来的文本大多没有规律可言，甚至不同pdf分析的顺序也不一样，有些分析出来第一行是标题，有些标题要到第十行甚至更靠后，总体说来这个任务远远没有达到我之前的预期。这里介绍一下，一个为了和大家交流一下，更重要的目的在于向各位高手们学习，看看大家是否有更好的办法来处理pdf的信息，而不光单单是读取pdf的字符串。

pdfbox的下载和配置我就不多说了，就跟加别的jar包没有区别。

下面直接上代码。

代码很简单，但是分析出来的内容也让人很抓狂，刚才说过了，什么格式的都有，甚至有些英文pdf分析出来词与词之间没有空格……有些又每个字母之间有空格，这到底是为什么呢？请教各位。

publicvoidget(String pdfPath)throwsException {

InputStream input=null;

File pdfFile=newFile( pdfPath );

PDDocument document=null;try{

input=newFileInputStream( pdfFile );//加载 pdf 文档PDFParser parser=newPDFParser(input);

parser.parse();

document=parser.getPDDocument();//获取内容信息PDFTextStripper pts=newPDFTextStripper();

String content="";try{

content=pts.getText( document );

}catch(Exception e)

{throwe;

}

System.out.println(content);

}catch(Exception e)

{throwe;

}finally{if(null!=input )

input.close();if(null!=document )

document.close();

}

java 读取pdf各级标题_Java那些事之pdf读取相关推荐

java pdfbox 提取pdf 标题_java – 使用pdfbox从PDF文件中提取文本
我试图使用pdfbox从PDF文件中提取文本,但不是作为命令行工具,而是在我的 Java应用程序中.我正在使用jsoup下载pdf. res = Jsoup .connect(host+action) ...
java word转成表格_java将Word/Excel/PDF文件转换成HTML整理
项目开发过程中,需求涉及到了各种文档转换为HTML或者网页易显示格式,现在将实现方式整理如下: 一.使用Jacob转换Word,Excel为HTML "JACOB一个Java-COM中间件. ...
java测试类读取不到配置文件_java – 如何在单元测试中读取配置文件？
我有一个标准的maven项目布局. 一些配置文件存储在src / main / conf中. 现在我想在src / test中的单元测试中读取这些文件(例如,从其中一个文件中读取属性). 我怎么能完全 ...
java 取pdf 文本域_java – 使用iText从pdf文件中提取文本列
我需要使用iText从pdf文件中提取文本. 问题是:一些pdf文件包含2列,当我提取文本时,我得到一个文本文件,其中列被合并为结果(即同一行中两列的文本) 这是代码: public class pd ...
java 设置纸张大小设置_java 用itext设置pdf纸张大小操作
做快递面单打印模板,快递要求纸张大小100 x 150mm. PageSize.A4=595 x 842 A4尺寸=210mm×297mm 故设置纸张大小: public static final R ...
itext设置pdf的尺寸_java 用itext设置pdf纸张大小操作
做快递面单打印模板,快递要求纸张大小100 x 150mm. PageSize.A4=595 x 842 A4尺寸=210mm×297mm 故设置纸张大小: public static final R ...
java 生成pdf 插件下载_java(iText)工具包生成PDF
iText是一个非常著名的能够快速产生PDF文件的Java类库.支持文本,表格,图形的操作,可以方便的跟 Servlet 进行结合 iText的更新变化很大,早期版本在PDF样式上可能会有瑕疵,所有我 ...
java word在线预览_java实现word转pdf在线预览（前端使用PDF.js；后端使用openoffice、aspose）...
背景之前一直是用户点击下载word文件到本地,然后使用office或者wps打开.需求优化,要实现可以直接在线预览,无需下载到本地然后再打开. 随后开始上网找资料,网上资料一大堆,方案也各有不同,大 ...
java文件的相对路径_java中使用相对路径读取文件的写法总结，以及getResourceAsStream() （转）...
https://blog.csdn.net/my__sun_/article/details/74450241 读取文件的写法,相对路径在当前的目录结构中读取test.txt的有四种写法简单粗暴的 ...

java 读取pdf各级标题_Java那些事之pdf读取

java 读取pdf各级标题_Java那些事之pdf读取相关推荐

最新文章

热门文章