PDFBox – JavaでPDFファイルを読み取る方法
この記事では、Apache PDFBoxを使用してJavaでPDFファイルを読み取る方法を示します。
1. PDFBoxを入手
pom.xml
org.apache.pdfbox pdfbox 2.0.6
2. PDFファイルを印刷する
PDFファイルからすべてのテキストを抽出する例。
ReadPdf.java
package com.example;
import org.apache.pdfbox.pdmodel.PDDocument;
import org.apache.pdfbox.text.PDFTextStripper;
import org.apache.pdfbox.text.PDFTextStripperByArea;
import java.io.File;
import java.io.IOException;
public class ReadPdf {
public static void main(String[] args) throws IOException {
try (PDDocument document = PDDocument.load(new File("/path-to/abc.pdf"))) {
document.getClass();
if (!document.isEncrypted()) {
PDFTextStripperByArea stripper = new PDFTextStripperByArea();
stripper.setSortByPosition(true);
PDFTextStripper tStripper = new PDFTextStripper();
String pdfFileInText = tStripper.getText(document);
//System.out.println("Text:" + st);
// split by whitespace
String lines[] = pdfFileInText.split("\\r?\\n");
for (String line : lines) {
System.out.println(line);
}
}
}
}
}
Note
その他の例については、このpdfbox
svnを参照してください。