JavaでPDFを解析する方法（開発者チュートリアル）

前提条件

JavaでPDF解析プロジェクトを作成するには、次のツールが必要です：

1. Java IDE: Javaをサポートしている任意のIDEを使用できます。開発には複数のJava IDEが利用可能です。 ここでは、このチュートリアルではIntelliJ IDEを使用します。 NetBeans、Eclipseなども使用できます。
2. Mavenプロジェクト: Mavenは依存関係マネージャであり、Javaプロジェクトの制御を可能にします。 Java用のMavenはMaven公式サイトからダウンロードできます。 IntelliJ Java IDEにはMavenのサポートが組み込まれています。

3. IronPDF - IronPDF for Javaをダウンロードしてインストールするには複数の方法があります。

   • Mavenプロジェクトのpom.xmlファイルにIronPDF依存関係を追加します。

     <dependency>
      <groupId>com.ironsoftware</groupId>
      <artifactId>ironpdf</artifactId>
      <version>[LATEST_VERSION]</version>
     </dependency>

     <dependency>
      <groupId>com.ironsoftware</groupId>
      <artifactId>ironpdf</artifactId>
      <version>[LATEST_VERSION]</version>
     </dependency>

     XML
   • 最新のIronPDFパッケージを探すにはMavenリポジトリサイトを訪問します。
   • Iron Softwareの公式ダウンロードページから直接ダウンロードします。
   • 単純なJavaアプリケーションでJARファイルを使用してIronPDFを手動でインストールします。

4. Slf4j-Simple: これは、既存のドキュメントにコンテンツをスタンプするためにも必要な依存関係です。 Maven依存関係マネージャを使用してIntelliJに追加することができ、またはMavenサイトから直接ダウンロードすることもできます。次の依存関係をpom.xmlファイルに追加してください：

   <dependency>
       <groupId>org.slf4j</groupId>
       <artifactId>slf4j-simple</artifactId>
       <version>2.0.5</version>
   </dependency>

   <dependency>
       <groupId>org.slf4j</groupId>
       <artifactId>slf4j-simple</artifactId>
       <version>2.0.5</version>
   </dependency>

   XML

必要なインポートの追加

すべての必要条件がインストールされたら、最初のステップはPDFドキュメントを操作するために必要なIronPDFパッケージをインポートすることです。 Main.javaファイルの先頭に次のコードを追加してください：

import com.ironsoftware.ironpdf.*;
import java.io.IOException;
import java.nio.file.Paths;

import com.ironsoftware.ironpdf.*;
import java.io.IOException;
import java.nio.file.Paths;

ライセンスキー

IronPDFで利用可能な一部のメソッドは、使用するためにライセンスが必要です。 ライセンスを購入するか、無料トライアルでIronPDFを無料でお試しいただけます。 キーを次のように設定することができます。

License.setLicenseKey("YOUR-KEY");

License.setLicenseKey("YOUR-KEY");

ステップ1：既存のPDFドキュメントを解析する

コンテンツを抽出するために既存のドキュメントを解析するには、PdfDocumentクラスを使用します。 その静的なfromFileメソッドを使用して、Javaプログラム内で特定のパスにある特定のファイル名のPDFファイルを解析します。 コードは次のようになります：

PdfDocument parsedDocument = PdfDocument.fromFile(Paths.get("sample.pdf"));

PdfDocument parsedDocument = PdfDocument.fromFile(Paths.get("sample.pdf"));

解析されたドキュメント

ステップ2：解析されたPDFファイルからテキストデータを抽出する

IronPDF for Javaは、PDFドキュメントからテキストを抽出するための簡単な方法を提供しています。 PDFファイルからテキストデータを抽出するための以下のコードスニペットがあります：

String extractedText = parsedDocument.extractAllText();

String extractedText = parsedDocument.extractAllText();

上記のコードは以下の出力を生成します：

出力

ステップ3：URLまたはHTML文字列からテキストデータを抽出する

IronPDF for Javaの機能は既存のPDFに限定されず、新しいファイルを作成して内容を抽出することもできます。 ここでは、このチュートリアルではURLからPDFファイルを作成し、それからコンテンツを抽出します。 このタスクを達成する方法を示す以下の例があります：

public class Main {
    public static void main(String[] args) throws IOException {
        License.setLicenseKey("YOUR-KEY");

        PdfDocument parsedDocument = PdfDocument.renderUrlAsPdf("https://ironpdf.com/java/");
        String extractedText = parsedDocument.extractAllText();
        System.out.println("Text Extracted from URL:\n" + extractedText);
    }
}

public class Main {
    public static void main(String[] args) throws IOException {
        License.setLicenseKey("YOUR-KEY");

        PdfDocument parsedDocument = PdfDocument.renderUrlAsPdf("https://ironpdf.com/java/");
        String extractedText = parsedDocument.extractAllText();
        System.out.println("Text Extracted from URL:\n" + extractedText);
    }
}

出力は以下の通りです。

出力

ステップ4：解析されたPDFドキュメントから画像を抽出する

IronPDFは解析されたドキュメントからすべての画像を抽出するための簡単なオプションも提供しています。 ここでは、前の例を使用して、PDFファイルからどのように簡単に画像が抽出されるかを見てみます。

import com.ironsoftware.ironpdf.*;

import javax.imageio.ImageIO;
import java.awt.image.BufferedImage;
import java.io.IOException;
import java.nio.file.Files;
import java.nio.file.Paths;
import java.util.List;

public class Main {
    public static void main(String[] args) throws IOException {
        License.setLicenseKey("YOUR-KEY");

        PdfDocument parsedDocument = PdfDocument.renderUrlAsPdf("https://ironpdf.com/java/");

        try {
            List<BufferedImage> images = parsedDocument.extractAllImages();
            System.out.println("Number of images extracted from the website: " + images.size());

            int i = 0;
            for (BufferedImage image : images) {
                ImageIO.write(image, "PNG", Files.newOutputStream(Paths.get("assets/extracted_" + ++i + ".png")));
            }
        } catch (Exception exception) {
            System.out.println("Failed to extract images from the website");
            exception.printStackTrace();
        }
    }
}

import com.ironsoftware.ironpdf.*;

import javax.imageio.ImageIO;
import java.awt.image.BufferedImage;
import java.io.IOException;
import java.nio.file.Files;
import java.nio.file.Paths;
import java.util.List;

public class Main {
    public static void main(String[] args) throws IOException {
        License.setLicenseKey("YOUR-KEY");

        PdfDocument parsedDocument = PdfDocument.renderUrlAsPdf("https://ironpdf.com/java/");

        try {
            List<BufferedImage> images = parsedDocument.extractAllImages();
            System.out.println("Number of images extracted from the website: " + images.size());

            int i = 0;
            for (BufferedImage image : images) {
                ImageIO.write(image, "PNG", Files.newOutputStream(Paths.get("assets/extracted_" + ++i + ".png")));
            }
        } catch (Exception exception) {
            System.out.println("Failed to extract images from the website");
            exception.printStackTrace();
        }
    }
}

[extractAllImages](/java/object-reference/api/com/ironsoftware/ironpdf/PdfDocument.html#extractAllImages())メソッドは、BufferedImagesのリストを返します。 各BufferedImageをImageIO.writeメソッドを使用してPNG画像として場所に保存することができます。 解析されたPDFファイルには34枚の画像があり、すべての画像が完璧に抽出されます。

抽出された画像

ステップ5：PDFファイル内のテーブルからデータを抽出する

PDFファイル内の表形式の境界からコンテンツを抽出することが、[extractAllTextメソッド](/java/object-reference/api/com/ironsoftware/ironpdf/PdfDocument.html#extractAllText()を使用したワンラインコードで簡単に行えます。 PDFファイルのテーブルからテキストを抽出する方法を示す以下のコードスニペットがあります：

PDF内のテーブル

PdfDocument parsedDocument = PdfDocument.fromFile(Paths.get("table.pdf"));
String extractedText = parsedDocument.extractAllText();
System.out.println(extractedText);

PdfDocument parsedDocument = PdfDocument.fromFile(Paths.get("table.pdf"));
String extractedText = parsedDocument.extractAllText();
System.out.println(extractedText);

出力は以下の通りです。

出力