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)

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方法获取指定页上图片
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
ImageIO.write(image, "PNG", output);
}
}
}
}

添加spire.pdf依赖，依赖需要下载到本地仓库
<repositories>
    <repository>
        <id>com.e-iceblue</id>
        <name>e-iceblue</name>
        <url>http://repo.e-iceblue.com/nexus/content/groups/public/</url>
    </repository>
</repositories>

<dependency>
    <groupId>e-iceblue</groupId>
    <artifactId>spire.pdf</artifactId>
    <version>2.2.0</version>
</dependency>
public static void main(String[] args) {
    try {
        PdfDocument doc = new PdfDocument();
        doc.loadFromFile("C:\\TTT\\test\\day01.pdf");
        StringBuilder sb = new StringBuilder();
        PdfPageBase page;
        for (int i = 0; i < doc.getPages().getCount(); i++) {
            //获取每一行的page对象
            page = doc.getPages().get(i);
            sb.append(page.extractText(true));
            // 这个if中是图片的解析输出
            if (page.extractImages() != null) {
                for (BufferedImage image : page.extractImages()) {
                    if (image != null) {
                        //指定输出图片名，指定图片格式,后缀自己换
                        File output = new File("C:\\TTT\\test\\copy\\a.png");
                        ImageIO.write(image, "PNG", output);
                    }
                }
            }
        }
        System.out.println(sb);
        doc.close();
    } catch (Exception e) {
        e.printStackTrace();
    }

}

java解析PDF文件（汉字及图片）
在工程需求中如何处理java解析pdf文件。
首先准备jar包：Spire.Pdf.jar，本人使用的是2.6.3版本。



1、解析pdf文字格式：
				public static String exportPDFUtil(String fileName) {
					// 创建PdfDocument实例
					PdfDocument doc = new PdfDocument();
					// 加载PDF文件
					doc.loadFromFile(fileName);
					StringBuilder sb = new StringBuilder();
					PdfPageBase page;
					// 遍历PDF页面，获取文本
					for (int i = 0; i < doc.getPages().getCount(); i++) {
						page = doc.getPages().get(i);
						sb.append(page.extractText(true));
						// 去除文件中的空白符
						sb.toString().replaceAll("\\s", "");
					}
					doc.close();
					return sb.toString();
				}

2、解析pdf图片格式：
				public static void main(String[] args) {
				// 创建PdfDocument实例
				PdfDocument doc = new PdfDocument();
				// 加载PDF文件
				doc.loadFromFile("E:\\test\\testq.pdf");
				int index = 0;
				// 遍历PDF文件中的页面
				for (PdfPageBase page : (Iterable<PdfPageBase>) doc.getPages()) {
					// 提取页面中的图片并保存至本地文件夹
					for (BufferedImage image : page.extractImages()) {
						File output = new File("E:/test/" + String.format("Image_%d.png", index++));
						try {
							ImageIO.write(image, "PNG", output);
						} catch (IOException e) {
							e.printStackTrace();
						}
					}
				}
			}