Cómo leer archivos PDF en Java

Este artículo explorará cómo crear un lector de PDF para abrir un archivo PDF en su aplicación de software programáticamente. Para realizar esta tarea con eficacia, IronPDF for Java es una de esas bibliotecas de sistema que ayuda a abrir y leer archivos PDF utilizando el nombre de archivo en programas Java.

IronPDF

EnIronPDF - Biblioteca Javase construye sobre el ya exitoso .NET Framework. Esto convierte a IronPDF en una herramienta versátil para trabajar con documentos PDF en comparación con otras bibliotecas de clases como Apache PDFBox. Proporciona la facilidad paraextraer y analizar contenido, cargar texto, y cargar imágenes. También ofrece opciones para personalizar las páginas PDF, comodiseño de página, márgenes,encabezado y pie de página, orientación de la páginay mucho más.

Además de esto, IronPDF también admite la conversión desde otros formatos de archivo, la protección de PDFs con una contraseña, la firma digital, la fusión y la división de documentos PDF.

Cómo leer archivos PDF en Java

Requisitos previos

Para usar IronPDF para crear un lector de PDF en Java, es necesario asegurarse de que los siguientes componentes estén instalados en el ordenador:

1. JDK - Java Development Kit es necesario para crear y ejecutar programas Java. Si no está instalado, descárguelo desde elSitio web de Oracle.

2. IDE - El Entorno de Desarrollo Integrado es un software que ayuda a escribir, editar y depurar un programa. Descarga cualquier IDE para Java, por ejemplo, Eclipse, NetBeans, IntelliJ.

3. Maven - Maven es una herramienta de automatización que ayuda a descargar bibliotecas del Repositorio Central. Descárguelo delSitio web de Apache Maven.

4. IronPDF - Por último, IronPDF es necesario para leer el archivo PDF en Java. Debe añadirse como dependencia en su proyecto Java Maven. Incluya el artefacto IronPDF junto con la dependencia slf4j en el archivo pom.xml como se muestra en el ejemplo a continuación:

<dependency>
   <groupId>com.ironsoftware</groupId>
   <artifactId>com.ironsoftware</artifactId>
   <version>2024.11.4</version>
</dependency>

Añadir importaciones necesarias

En primer lugar, añada el siguiente código en la parte superior del archivo fuente Java para hacer referencia a todos los métodos necesarios de IronPDF. Importar org es opcional en este ejemplo.

import com.ironsoftware.ironpdf.*;

import com.ironsoftware.ironpdf.*;

A continuación, configure IronPDF con una clave de licencia válida para utilizar su método. Invoca el método setLicenseKey en el método main.

License.setLicenseKey("Your license key");

License.setLicenseKey("Your license key");

Nota: Puedes obtener una clave de licencia de prueba gratuita para crear, leer e imprimir PDFs.

Leer archivo PDF existente en Java

Aleer archivos PDFademás, debe haber archivos PDF, o se puede crear uno. Este artículo utilizará un archivo PDF ya creado. El código es simple y un proceso de dos pasos para extraer texto del documento.

PdfDocument pdf = PdfDocument.fromFile(Paths.get("assets/sample.pdf"));
String text = pdf.extractAllText();
System.out.println(text);

PdfDocument pdf = PdfDocument.fromFile(Paths.get("assets/sample.pdf"));
String text = pdf.extractAllText();
System.out.println(text);

En el código anterior,deArchivoabre un documento PDF. El método Paths.get obtiene el directorio del archivo y está listo para extraer contenido del archivo. Luego,[extractAllText](/java/object-reference/api/com/ironsoftware/ironpdf/PdfDocument.html#extractAllText())lee todo el texto en el documento.

El resultado es el siguiente:

Lectura de Texto de Salida de PDF

Leer texto de una página específica

IronPDF también puede leer el contenido de una página específica de un PDF. El método extractTextFromPage utiliza un objeto PageSelection para aceptar un rango de páginas(s) del que se leerá el texto.

En el siguiente ejemplo, el texto se extrae de la segunda página del documento PDF. PageSelection.singlePage toma el índice de la página que hay que extraer.

PdfDocument pdf = PdfDocument.fromFile(Paths.get("assets/sample.pdf"));
String text = pdf.extractTextFromPage(PageSelection.singlePage(1));
System.out.println(text);

PdfDocument pdf = PdfDocument.fromFile(Paths.get("assets/sample.pdf"));
String text = pdf.extractTextFromPage(PageSelection.singlePage(1));
System.out.println(text);

Lectura de Texto de Salida de PDF

Otros métodos disponibles en la clase PageSelection que se pueden utilizar para extraer texto de varias páginas incluyen:[primeraPágina](/java/object-reference/api/com/ironsoftware/ironpdf/edit/PageSelection.html#lastPage()), [Última página](/java/object-reference/api/com/ironsoftware/ironpdf/edit/PageSelection.html#firstPage()), rangoDePáginay[Todas las páginas](/java/object-reference/api/com/ironsoftware/ironpdf/edit/PageSelection.html#allPages()).

Leer texto de un archivo PDF recién generado

La búsqueda de texto también se puede realizar desde un archivo PDF recién generado a partir de un archivo HTML o URL. El siguiente código de ejemplo genera PDF a partir de URL y extrae todo el texto del sitio web.

PdfDocument pdf = PdfDocument.renderUrlAsPdf("https://unsplash.com/");
String text = pdf.extractAllText();
System.out.println("Text extracted from the website: " + text);

PdfDocument pdf = PdfDocument.renderUrlAsPdf("https://unsplash.com/");
String text = pdf.extractAllText();
System.out.println("Text extracted from the website: " + text);

Leer desde un nuevo archivo

IronPDF también puede utilizarse paraextraer imágenes de archivos PDF.

El código completo es el siguiente:

import com.ironsoftware.ironpdf.License;
import com.ironsoftware.ironpdf.PdfDocument;
import com.ironsoftware.ironpdf.edit.PageSelection;

import java.io.IOException;
import java.nio.file.Paths;

public class Main {
    public static void main(String[] args) throws IOException {

        License.setLicenseKey("YOUR LICENSE KEY HERE");

        PdfDocument pdf = PdfDocument.fromFile(Paths.get("assets/sample.pdf"));
        String text = pdf.extractTextFromPage(PageSelection.singlePage(1));
        System.out.println(text);

        pdf = PdfDocument.renderUrlAsPdf("https://unsplash.com/");
        text = pdf.extractAllText();
        System.out.println("Text extracted from the website: " + text);

    }
}

import com.ironsoftware.ironpdf.License;
import com.ironsoftware.ironpdf.PdfDocument;
import com.ironsoftware.ironpdf.edit.PageSelection;

import java.io.IOException;
import java.nio.file.Paths;

public class Main {
    public static void main(String[] args) throws IOException {

        License.setLicenseKey("YOUR LICENSE KEY HERE");

        PdfDocument pdf = PdfDocument.fromFile(Paths.get("assets/sample.pdf"));
        String text = pdf.extractTextFromPage(PageSelection.singlePage(1));
        System.out.println(text);

        pdf = PdfDocument.renderUrlAsPdf("https://unsplash.com/");
        text = pdf.extractAllText();
        System.out.println("Text extracted from the website: " + text);

    }
}

Resumen

Este artículo explicó cómo abrir y leer PDFs en Java utilizando IronPDF.

IronPDF ayuda a crear fácilmente archivos PDF a partir de HTML o URL y a convertirlos a partir de diferentes formatos de archivo. También ayuda a realizar tareas en PDF de forma rápida y sencilla.

Pruebe IronPDF para30 días de prueba gratuitay descubre qué tan bien funciona para ti en producción. Explore las opciones de licencia comercial para IronPDF que parten únicamente de $749.