首页 / JAVA / java – 使用pdfbox从PDF文件中提取文本

java – 使用pdfbox从PDF文件中提取文本

内容导读

互联网集市收集整理的这篇技术教程文章主要介绍了java – 使用pdfbox从PDF文件中提取文本，小编现在分享给大家，供广大互联网技能从业者学习和参考。文章包含1405字，纯文字阅读大概需要3分钟。

内容图文

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)
.ignoreContentType(true)
.data(data)
.cookies(cookies)
.method(Method.POST)
.timeout(20*1000)
.execute();

// prepare document
InputStream is = new ByteArrayInputStream(res.bodyAsBytes()); 
PDDocument pdf = new PDDocument();
pdf.load(is,true);

// extract text
PDFTextStripper stripper = new PDFTextStripper();
String text = stripper.getText(pdf);

// print extracted text
System.out.println(text);

此代码仅打印空行.当我这样做：

System.out.println(res.body());

它打印pdf文件输出如下：

%PDF-1.4
%????
6 0 obj
<<
/Filter /FlateDecode
/Length 1869
>>
stream
x??X?n??

…

<<
/Size 28
/Info 27 0 R
/Root 26 0 R
>>
startxref
20632
%%EOF

所以我确信pdf正确下载 – 只是这个PDF剥离器不起作用……

———————————————-编辑

这个问题解决了 – 工作代码在这里http://thottingal.in/blog/2009/06/24/pdfbox-extract-text-from-pdf/

解决方法:

(问题在评论中回答.见Question with no answers, but issue solved in the comments (or extended in chat))

@WeloSefer写道：

maybe 07001 can help you get started … I have never worked with jsoup nor pdfbox so I am no help but I sure will try pdfbox since I’ve been testing itextpdf reader for extracting texts.

OP写道：

Thanks, that is what I was looking for – it works now

标签：,,, 来源： https://codeday.me/bug/20190703/1371938.html

内容总结

以上是互联网集市为您收集整理的java – 使用pdfbox从PDF文件中提取文本全部内容，希望文章能够帮你解决java – 使用pdfbox从PDF文件中提取文本所遇到的程序开发问题。 如果觉得互联网集市技术教程内容还不错，欢迎将互联网集市网站推荐给程序员好友。

内容备注

版权声明：本文内容由互联网用户自发贡献，该文观点与技术仅代表作者本人。本站仅提供信息存储空间服务，不拥有所有权，不承担相关法律责任。如发现本站有涉嫌侵权/违法违规的内容， 请发送邮件至 gblab@vip.qq.com 举报，一经查实，本站将立刻删除。

内容手机端

扫描二维码推送至手机访问。

本文链接：https://qyyshop.com/info/776736.html

来源：【匿名】