Javaを使ってPDFファイルを読むには？

Question

Javaを使用してPDFファイルからテキストデータを読みたい。これを手伝ってください。

何か助けていただければ幸いです。

Answer 1

PDFBoxはあなただけで、基本的なテキスト抽出をやっている場合、それは包括的で使い実際にはかなり簡単です、私はこの目的のために見つけた最高のライブラリです。例はhereです。

ページで説明しますが、注意すべき点は、setStartPage（）とsetEndPage（）を使用するときの開始インデックスと終了インデックスはの両方ともです。最初の回の説明をスキップして、なぜ私は各呼び出しで複数のページが返ってきたのか分かりませんでした。私は個人的にそれを使ったことがないのに

Itextは、また、C＃ので動作する別の代替です。 PDFBoxよりも低レベルなので、必要なのは基本的なテキスト抽出だけであれば、仕事にはあまり適していません。 ApacheのPDFBoxと

Answer 2

PDFBoxはtools for text extractionが含まれています。

iTextはテキスト処理のための、より低レベルのサポートがありますが、テキスト抽出を取得するにはかなりの量のコードを書く必要があるだろう。

iText in Actionには、使用するライブラリ（18.2節テキストの抽出と編集）に関係なく、PDFからのテキスト抽出の制限の概要と、なぜライブラリにテキスト抽出のサポートがないのか説得力のある説明が含まれています。簡単に言えば、単純なケースを扱うコードを記述するのは比較的簡単ですが、一般的にPDFからテキストを抽出することは基本的に不可能です。

Answer 3

は、iTextとしてPDFライブラリを使用してください。

Answer 4

それはこのように書きます：私はiTextのが好き、それはアウトオブボックスのテキスト抽出を行いません

PDDocument document = PDDocument.load(new File("test.pdf")); 
if (!document.isEncrypted()) { 
    PDFTextStripper stripper = new PDFTextStripper(); 
    String text = stripper.getText(document); 
    System.out.println("Text:" + text); 
} 
document.close();