2020-03-25 12:56:14 佚名

聚IT

這個對於Java開發者來說簡直是簡單不能再簡單的問題，以至於我不知道提問的人為何要提問，在百度一搜一大堆，也可能提問者想到一個最好的回答。下面我來說說怎麼讀取。3種方法：

1. 開源框架 pdfbox 2. 國產的框架

Spire.PDF

3. iTika

第一步：引入依賴

第二步：Junit測試用例

1. pdfBox

2. spire

3. Tika

其實我認為這些api都大同小異，各有各的優勢吧，不過個人更傾向於apache的，畢竟大平臺。

科技小打雜

題主，你好。讀取pdf前提是pdf必須是雙面，其判斷標準是：“打開pdf鼠標右鍵滑去，查看是否可以複製文字”。如果是雙面則進行下一步讀取操作。

第一步：第三方組件下載

我們可以使用第三方組件“Free Spire.PDF for JAVA”下載解壓後將Spire.Pdf.jar包和Spire.Common.jar包到你的Java應用程序中，如下圖所示：

第二步：編寫代碼

代碼見下圖（貼上去太亂，如有需要私信給你。）

第三步：運行

準備雙面pdf文件，並copy到程序下。
運行應用程序。
查看ExtracText1.txt文件。

MR王峰

這裡簡單介紹2種Java讀取PDF文件內容的方法，分別是PDFBox和Spire.PDF，感興趣的朋友可以嘗試一下：

01 PDFBox

這是Apache提供的一個免費、開源工具，專門用於操作PDF文檔，目前支持加密/解密PDF文檔，從PDF文檔中導出表單數據，向已有PDF文檔追加內容，以及切分PDF文檔等，導入項目或工程的話，可以直接下載Jar包，也可以直接Maven引入，如下：

導入成功後，我們就可以直接編碼讀取PDF文件內容了，測試代碼如下，基本思路先加載PDF文件，創建PDDocument對象，然後再創建一個PDFTextStripper文本剝離器，最後再直接獲取PDF文本內容即可，整個過程不難，理解起來也非常容易：

02 Spire.PDF

這也是一個專門用於讀取PDF文件內容的Java工具包，商業版需要付費購買，也有個人免費版，但功能比較侷限，只能提取前10頁內容，目前支持文本、圖片等內容提取，導入項目或工程的話，可以直接下載Jar包，也可以直接Maven引入，如下：

導入完成後，我們就可以直接編碼來讀取PDF文件內容了，測試代碼如下，基本思路先加載PDF文件，然後循環遍歷每頁提取內容（文本的話是extractText方法，圖片的話是extractImages方法），最後再輸出或保存提取內容即可：

目前，就分享這2種Java讀取PDF文件內容的方法吧。總的來說，整個過程非常簡單，只要你有一定Java基礎，熟悉一下上面的代碼和示例，很快就能掌握的，當然，你也可以使用其他工具包，像iTika等也都非常不錯，網上也有相關教程和資料，介紹的非常詳細，感興趣的話，可以搜一下，希望以上分享的內容能對你有所幫助吧，也歡迎大家評論、留言進行補充。

小小猿愛嘻嘻

如何在Java應用程序中讀取PDF文件的文本內容。(讀取圖片也支持，參考這篇文章Java 提取PDF文檔中的圖片)在Java應用程序中讀取PDF，我們可以藉助第三方PDF控件，本文所使用的控件是免費Java PDF組件Free Spire.PDF for JAVA。在使用以下代碼前，你需要下載Free Spire.PDF for JAVA包並解壓縮，然後從lib文件夾下，導入Spire.Pdf.jar包和Spire.Common.jar包到你的Java應用程序中：（更正：以前的舊版本有2個jar包，現在的新版本糅合到一個jar包了）Extract_Text.Javaimport com.spire.pdf.PdfDocument;import com.spire.pdf.PdfPageBase;import java.io.*; public class Extract_Text { public static void main(String[] args) { //創建PdfDocument實例 PdfDocument doc= new PdfDocument(); //加載PDF文件 doc.loadFromFile("test.pdf"); StringBuilder sb= new StringBuilder(); PdfPageBase page; //遍歷PDF頁面，獲取文本 for(int i=0;i<doc.getpages>