Itext7解析pdf获取pdf文件具体详情并存储

最新推荐文章于 2024-10-14 13:45:16 发布

原创

最新推荐文章于 2024-10-14 13:45:16 发布 · 4.1k 阅读

标签

#itext7

收录于

本文介绍了作者在从iText5升级到iText7版本后，如何解决PDF格式兼容问题，重点在于处理按行读取文本和利用PDFTextStripperByArea进行区域内容提取的过程，包括对新版本API的适应和关键类的使用技巧。

由于原来使用的是itext5 导致有些PDF的格式类型不支持解析失败

所以想升级到7，目前我的测试版本是7.0.3 发现有些实体类都没有了，心累比对了新老版本不同的实体类和实现逻辑终于找到一点点相关的信息

非常感谢使用iText 7读取PDF文件中的文本和图片 - 佛西亚 - 博客园的回答，让我有点领悟到了真谛。

博文里面提到的是获取整个page的String文本，但是我这里需求是按照行读，所以尝试在原来的基础上小改动，具体的逻辑如下省略了一些不关键的代码

官网地址如下： iText 7 Community | iText PDF

main(){

imageTool.readEnPdfData("D:/33.pdf");

}

public Map readEnPdfData(String filePath) throws Exception {

PDDocument document = null;
List<String> contentList = CollUtil.newArrayList();
String errorMsg = "系统错误";
try {
    boolean sort = true;// 是否排序
    int startPage = 1;// 开始提取页数
    int endPage = Integer.MAX_VALUE;// 结束提取页数

    URL url = URLUtil.url(filePath);
    InputStream inputStream = URLUtil.getStream(url);
    document =PDDocument.load(inputStream);
    PDFTextStripper pts = new PDFTextStripper();
    pts.setSortByPosition(sort);
    endPage = document.getNumberOfPages();
    // System.out.println("Total Page: " + endPage);
    pts.setStartPage(startPage);
    pts.setEndPage(endPage);

    String content = pts.get