Extraire du texte d'un PDF



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

mvn install

<dependency>
    <groupId>com.ironsoftware</groupId>
    <artifactId>ironpdf</artifactId>
    <version>2026.6.1</version>
</dependency>

Extraire du texte d'un PDF

Dans le cadre de la vaste collection de fonctions de création et d'édition de PDF d'IronPDF, IronPDF facilite également le traitement granulaire du contenu d'un document PDF grâce à ses méthodes d'extraction de contenu.

Disponible sur tous les objets PdfDocument est la méthode extractAllText. Le String que extractAllText retourne contient tout le texte présent sur chaque page du PDF.

Cette méthode est un moyen pratique d'effectuer l'extraction de texte de niveau document à partir de PDF contenant de nombreuses pages. Pour extraire du texte au niveau des pages (c'est-à-dire, seulement à partir d'un ensemble spécifique de pages), utilisez plutôt la méthode extractTextFromPage.

Le court extrait de code ci-dessous extrait le texte de la première page d'un document PDF.

Comment extraire du texte d'un PDF en Java

Installer la bibliothèque IronPDF Java pour l'extraction de texte PDF
Importation d'un document PDF ciblé ou rendu à partir d'une URL en Java
Utiliser la méthode extractAllText pour extraire le texte du PDF
Utilisez la méthode extractTextFromPage pour effectuer l'extraction sur une page spécifique
Extraire du texte sans affecter le PDF original

Explore the extractAllText Method in IronPDF Java Docs

Voir sur GitHub