- Java 编程示例
- 示例 - 首页
- 示例 - 环境
- 示例 - 字符串
- 示例 - 数组
- 示例 - 日期和时间
- 示例 - 方法
- 示例 - 文件
- 示例 - 目录
- 示例 - 异常
- 示例 - 数据结构
- 示例 - 集合
- 示例 - 网络
- 示例 - 线程
- 示例 - 小程序
- 示例 - 简单 GUI
- 示例 - JDBC
- 示例 - 正则表达式
- 示例 - Apache PDF Box
- 示例 - Apache POI PPT
- 示例 - Apache POI Excel
- 示例 - Apache POI Word
- 示例 - OpenCV
- 示例 - Apache Tika
- 示例 - iText
- Java 教程
- Java - 教程
- Java 实用资源
- Java - 快速指南
- Java - 实用资源
如何使用 Java 从 PDF 中提取内容
问题描述
如何使用 Java 从 PDF 中提取内容。
解决方案
以下是使用 Java 从 PDF 中提取内容的程序。
import java.io.File; import java.io.FileInputStream; import org.apache.tika.metadata.Metadata; import org.apache.tika.parser.ParseContext; import org.apache.tika.parser.pdf.PDFParser; import org.apache.tika.sax.BodyContentHandler; public class ExtractContentFromPDF { public static void main(String[] args) throws Exception { BodyContentHandler handler = new BodyContentHandler(); Metadata metadata = new Metadata(); FileInputStream inputstream = new FileInputStream(new File( "C:/tika/pdfExample.pdf")); ParseContext pcontext = new ParseContext(); //parsing the document using PDF parser PDFParser pdfparser = new PDFParser(); pdfparser.parse(inputstream, handler, metadata,pcontext); //getting the content of the document System.out.println("Contents of the PDF :" + handler.toString()); //getting metadata of the document System.out.println("Metadata of the PDF:"); String[] metadataNames = metadata.names(); for(String name : metadataNames) { System.out.println(name+ " : " + metadata.get(name)); } } }
输入
输出
Contents of the document:Sheet1 ID NAME BRANCH PERCENTAGE EMAIL 1 Ram IT 85 [email protected] 2 Rahim EEE 95 [email protected] 3 Robert ECE 90 [email protected] Metadata of the document: date: 2017-05-19T09:35:57Z extended-properties:AppVersion: 16.0300 meta:creation-date: 2015-06-05T18:17:20Z extended-properties:Application: Microsoft Excel extended-properties:Company: Creation-Date: 2015-06-05T18:17:20Z dcterms:created: 2015-06-05T18:17:20Z Last-Modified: 2017-05-19T09:35:57Z dcterms:modified: 2017-05-19T09:35:57Z Last-Save-Date: 2017-05-19T09:35:57Z Application-Version: 16.0300 protected: false meta:save-date: 2017-05-19T09:35:57Z Application-Name: Microsoft Excel modified: 2017-05-19T09:35:57Z publisher: Content-Type: application/vnd.openxmlformats-officedocument.spreadsheetml.sheet dc:publisher:
java_apache_tika
广告