PDFLayoutTextStripper下載 - PDFLayoutTextStripper原始碼下載

PDFLayoutTextStripper

JAVA源碼

v2.2.5

下載

PDF佈局文字剝離器

將 PDF 文件轉換為文字文件，同時保留原始 PDF 的佈局。用於從 PDF 文件中的表格或表單中提取內容。 PDFLayoutTextStripper 是 PDFTextStripper 類別（來自 Apache PDFBox 庫）的子類別。

使用案例

從 PDF 文件中的表格中提取數據

從 PDF 文件中的表單中提取數據

如何安裝

梅文

 <dependency>
  <groupId>io.github.jonathanlink</groupId>
  <artifactId>PDFLayoutTextStripper</artifactId>
  <version>2.2.3</version>
</dependency>

手動的

手動安裝apache pdfbox （若要取得v2.0.6，請按此）及其兩個相依性 commons-logging.jar 和 fontbox

警告：只有2.0.0 版以上的pdfbox 版本與此版本的 PDFLayoutTextStripper.java 相容

如何在Linux/Mac上使用

 cd PDFLayoutTextStripper
javac -cp .:/pathto/pdfbox-2.0.6.jar:/pathto/commons-logging-1.2.jar:/pathto/PDFLayoutTextStripper/fontbox-2.0.6.jar *.java
java -cp .:/pathto/pdfbox-2.0.6.jar:/pathto/commons-logging-1.2.jar:/pathto/PDFLayoutTextStripper/fontbox-2.0.6.jar test

如何在 Windows 上使用

與 Linux 相同（見上文），但將 : 替換為 ;

範例程式碼

 import java.io.File;
import java.io.FileNotFoundException;
import java.io.IOException;
import org.apache.pdfbox.io.RandomAccessFile;
import org.apache.pdfbox.pdfparser.PDFParser;
import org.apache.pdfbox.pdmodel.PDDocument;
import org.apache.pdfbox.text.PDFTextStripper;

public class test {
	public static void main(String[] args) {
		String string = null;
        try {
            PDFParser pdfParser = new PDFParser(new RandomAccessFile(new File("./samples/bus.pdf"), "r"));
            pdfParser.parse();
            PDDocument pdDocument = new PDDocument(pdfParser.getDocument());
            PDFTextStripper pdfTextStripper = new PDFLayoutTextStripper();
            string = pdfTextStripper.getText(pdDocument);
        } catch (FileNotFoundException e) {
            e.printStackTrace();
        } catch (IOException e) {
            e.printStackTrace();
        };
        System.out.println(string);
	}
}