Java에서 PDF를 파싱하는 방법 (개발자 튜토리얼)

필수 조건

Java로 PDF 파싱 프로젝트를 만들려면 다음과 같은 도구가 필요합니다.

1. Java IDE: Java를 지원하는 모든 IDE를 사용할 수 있습니다. 개발에 사용할 수 있는 Java IDE는 여러 가지가 있습니다. 이 튜토리얼에서는 IntelliJ IDE를 사용합니다. NetBeans, Eclipse 등을 사용할 수 있습니다.
2. Maven 프로젝트: Maven은 의존성 관리자이며 Java 프로젝트를 관리할 수 있도록 해줍니다. Java용 Maven은 Maven 공식 웹사이트 에서 다운로드할 수 있습니다. IntelliJ Java IDE는 Maven을 기본적으로 지원합니다.

3. IronPDF - IronPDF for Java는 여러 가지 방법으로 다운로드 및 설치할 수 있습니다.

   • Maven 프로젝트의 pom.xml 파일에 IronPDF 의존성을 추가합니다.

     <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
   • Java용 최신 IronPDF 패키지를 다운로드하려면 Maven 저장소 웹사이트를 방문하세요.
   • Iron Software 공식 다운로드 페이지 에서 직접 다운로드할 수 있습니다.
   • 간단한 Java 애플리케이션에서 JAR 파일을 사용하여 IronPDF 수동으로 설치하십시오.

4. Slf4j-Simple: 이 종속성은 기존 문서에 콘텐츠를 추가하는 데에도 필요합니다. IntelliJ의 Maven 종속성 관리자를 사용하여 추가하거나 Maven 웹사이트에서 직접 다운로드 할 수 있습니다. 다음 종속성을 pom.xml 파일에 추가하세요:

   <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

필요한 임포트 추가

필수 구성 요소가 모두 설치되면 첫 번째 단계는 PDF 문서를 작업하는 데 필요한 IronPDF 패키지를 가져오는 것입니다. 다음 코드를 Main.java 파일 상단에 추가하세요:

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;

라이선스 키

IronPDF 에서 사용할 수 있는 일부 메서드는 사용하려면 라이선스가 필요합니다. 라이선스를 구매하거나 무료 체험판을 통해 IronPDF 사용해 볼 수 있습니다. 다음과 같이 키를 설정할 수 있습니다.

License.setLicenseKey("YOUR-KEY");

License.setLicenseKey("YOUR-KEY");

1단계: 기존 PDF 문서 분석

기존 문서의 콘텐츠 추출을 위해 PdfDocument 클래스를 사용합니다. Java 프로그램에서 특정 경로와 파일 이름으로부터 PDF 파일을 구문 분석하기 위해 정적 fromFile 메서드를 사용합니다. 코드는 다음과 같습니다.

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

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

파싱된 문서

2단계: 파싱된 PDF 파일에서 텍스트 데이터 추출

IronPDF for Java는 PDF 문서에서 텍스트를 추출하는 간편한 방법을 제공합니다. 다음은 PDF 파일에서 텍스트 데이터를 추출하는 코드 조각입니다.

String extractedText = parsedDocument.extractAllText();

String extractedText = parsedDocument.extractAllText();

위 코드는 아래와 같은 출력을 생성합니다.

출력

3단계: URL 또는 HTML 문자열에서 텍스트 데이터 추출

IronPDF for Java는 기존 PDF 파일에만 국한되지 않고, 새로운 파일을 생성하고 구문 분석하여 콘텐츠를 추출할 수도 있습니다. 이 튜토리얼에서는 URL에서 PDF 파일을 생성하고 해당 파일에서 콘텐츠를 추출하는 방법을 설명합니다 . 다음 예시는 이 작업을 수행하는 방법을 보여줍니다.

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);
    }
}

출력 결과는 다음과 같습니다.

출력

4단계: 파싱된 PDF 문서에서 이미지 추출

IronPDF 분석된 문서에서 모든 이미지를 쉽게 추출 할 수 있는 옵션도 제공합니다. 이 튜토리얼에서는 이전 예제를 사용하여 PDF 파일에서 이미지를 얼마나 쉽게 추출할 수 있는지 살펴보겠습니다.

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()) 메서드는 BufferedImages의 목록을 반환합니다. 각 BufferedImage은/는 ImageIO.write 메서드를 사용하여 위치에 PNG 이미지로 저장할 수 있습니다. 분석된 PDF 파일에는 34개의 이미지가 있으며 모든 이미지가 완벽하게 추출되었습니다.

추출된 이미지

5단계: PDF 파일의 표에서 데이터 추출

[extractAllText 메서드](/java/object-reference/api/com/ironsoftware/ironpdf/PdfDocument.html#extractAllText())를 사용하여 PDF 파일에서 표 형태의 경계 내 콘텐츠를 한 줄의 코드로 쉽게 추출할 수 있습니다. 다음 코드 조각은 PDF 파일의 표에서 텍스트를 추출하는 방법을 보여줍니다.

PDF의 표

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);

출력 결과는 다음과 같습니다.

출력