PDFBox - 讀取文字

在上一章中，我們瞭解瞭如何向現有的 PDF 文件新增文字。在本章中，我們將討論如何從現有的 PDF 文件中讀取文字。

從現有 PDF 文件中提取文字

提取文字是 PDF Box 庫的主要功能之一。您可以使用 **PDFTextStripper** 類的 **getText()** 方法提取文字。此類從給定的 PDF 文件中提取所有文字。

以下是從現有 PDF 文件中提取文字的步驟。

步驟 1：載入現有 PDF 文件

使用 **PDDocument** 類的靜態方法 **load()** 載入現有 PDF 文件。此方法接受檔案物件作為引數，由於這是一個靜態方法，您可以使用類名呼叫它，如下所示。

File file = new File("path of the document") 
PDDocument document = PDDocument.load(file);

步驟 2：例項化 PDFTextStripper 類

**PDFTextStripper** 類提供從 PDF 文件檢索文字的方法，因此，例項化此類，如下所示。

PDFTextStripper pdfStripper = new PDFTextStripper();

步驟 3：檢索文字

您可以使用 **PDFTextStripper** 類的 **getText()** 方法讀取/檢索 PDF 文件中頁面的內容。為此方法，您需要將文件物件作為引數傳遞。此方法檢索給定文件中的文字並以字串物件的形式返回。

String text = pdfStripper.getText(document);

步驟 4：關閉文件

最後，使用 **PDDocument** 類的 **close()** 方法關閉文件，如下所示。

document.close();

示例

假設我們有一個 PDF 文件，其中包含一些文字，如下所示。

此示例演示如何從上述 PDF 文件中讀取文字。在這裡，我們將建立一個 Java 程式並載入名為 **new.pdf** 的 PDF 文件，該文件儲存在路徑 **C:/PdfBox_Examples/** 中。將此程式碼儲存在名為 **ReadingText.java** 的檔案中。

import java.io.File;
import java.io.IOException;

import org.apache.pdfbox.pdmodel.PDDocument;
import org.apache.pdfbox.text.PDFTextStripper;
public class ReadingText {

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

      //Loading an existing document
      File file = new File("C:/PdfBox_Examples/new.pdf");
      PDDocument document = PDDocument.load(file);

      //Instantiate PDFTextStripper class
      PDFTextStripper pdfStripper = new PDFTextStripper();

      //Retrieving text from PDF document
      String text = pdfStripper.getText(document);
      System.out.println(text);

      //Closing the document
      document.close();

   }
}

使用以下命令從命令提示符編譯並執行儲存的 Java 檔案。

javac ReadingText.java 
java ReadingText

執行後，上述程式從給定的 PDF 文件中檢索文字並顯示如下。

This is an example of adding text to a page in the pdf document. we can add as many lines
as we want like this using the ShowText() method of the ContentStream class.