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をサポートするIDEであればどれでも使用できます。開発には複数 Java 向け 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ーであり、Java プロジェクトを制御できます。 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に対する組み込みサポートがあります。

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 の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:既存のドキュメントにコンテンツをスタンプするには、この依存関係も必要です。 IntelliJ のMaven依存関係マネージャーを使用して追加することも、 Maven Web 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 ファイルの先頭に以下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

既存のドキュメントを解析してコンテンツを抽出するために、 PdfDocumentクラスが使用されます。 その静的メソッドfromFile は、Java プログラムで特定のパスにある特定のファイル名の PDF ファイルを解析するために使用されます。 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次のコードスニペットは以下の通りです。

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 は、ImageIO.write メソッドを使用して、PNG 画像として場所に保存できます。 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には[、extractAllText メソッド](/java/object-reference/api/com/ironsoftware/ironpdf/PdfDocument.html#extractAllText())を使用した1行のコードだけで簡単にできます。 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