java对pdf一些基本处理
apahce 孵化器中有一个项目是pdfbox，这是一个操作处理pdf的jar包可以实现的方法有
pdf信息提取：
public void getContent(String file) throws Exception { PDDocument pdf = PDDocument.load(file); PDFTextStripper s = new PDFTextStripper(); s.setStartPage(1); s.setEndPage(10); String outfile = "1.txt"; Writer out = new OutputStreamWriter(new FileOutputStream(outfile), "utf8"); s.writeText(pdf, out); }
将pdf内容提取到txt文档中，不过图表、格式都有遗失
pdf截取
@SuppressWarnings("unchecked") public void getPdf(String file, int[] pages) throws Exception { Splitter splitter = new Splitter(); PDDocument document = null; List<PDDocument> documents = null; document = PDDocument.load(file); splitter.setSplitAtPage(1);// 将pdf分成单页 documents = splitter.split(document); for (int i = 0; i < pages.length && pages < documents.size(); i++) { PDDocument doc = (PDDocument) documents.get(pages); FileOutputStream output = null; COSWriter writer = null; output = new FileOutputStream(pages + ".pdf");// 输出文件 writer = new COSWriter(output); writer.write(doc); doc.close(); } }
提取特定页码的pdf，例如pages=，将输出五个pdf文件，分别为原pdf的前五页。
pdf粘合
public void buildPdf(String[] files) throws Exception { PDFMergerUtility u = new PDFMergerUtility(); PDDocument out = new PDDocument(); for (int i = 0; i < files.length; i++) { PDDocument doc = PDDocument.load(files); u.appendDocument(out, doc); doc.close(); } FileOutputStream output = null; COSWriter writer = null; output = new FileOutputStream("out.pdf");// 输出文件 writer = new COSWriter(output); writer.write(out); out.close(); }
将几个pdf拼成一个新的pdf
pdf截取和pdf粘合都不会丢失图表、格式等信息
附上所需jar包
页:
[1]