Jak odczytać plik PDF w Javie

Wymagania wstępne

Aby użyć IronPDF do stworzenia czytnika PDF w Javie, należy upewnić się, że na komputerze zainstalowane są następujące komponenty:

1. JDK – Java Development Kit jest wymagany do tworzenia i uruchamiania programów w języku Java. Jeśli nie jest zainstalowany, pobierz go ze strony internetowej Oracle.
2. IDE – zintegrowane środowisko programistyczne to oprogramowanie, które pomaga pisać, edytować i debugować programy. Pobierz dowolne środowisko IDE dla języka Java, np. Eclipse, NetBeans, IntelliJ.
3. Maven — Maven to narzędzie do automatyzacji, które pomaga pobierać biblioteki z Central Repository. Pobierz go ze strony Maven.
4. IronPDF – Na koniec, IronPDF jest potrzebny do odczytu pliku PDF w Javie. Należy to dodać jako zależność w projekcie Java Maven. Dodaj artefakt IronPDF wraz z zależnością slf4j do pliku pom.xml, tak jak pokazano w poniższym przykładzie:

<dependencies>

    <dependency>
        <groupId>com.ironsoftware</groupId>
        <artifactId>ironpdf</artifactId>
        <version>your-version-here</version>
    </dependency>

    <dependency>
        <groupId>org.slf4j</groupId>
        <artifactId>slf4j-api</artifactId>
        <version>1.7.32</version>
    </dependency>
</dependencies>

<dependencies>

    <dependency>
        <groupId>com.ironsoftware</groupId>
        <artifactId>ironpdf</artifactId>
        <version>your-version-here</version>
    </dependency>

    <dependency>
        <groupId>org.slf4j</groupId>
        <artifactId>slf4j-api</artifactId>
        <version>1.7.32</version>
    </dependency>
</dependencies>

Dodawanie niezbędnych importów

Najpierw dodaj poniższy kod na początku pliku źródłowego Java, aby odwołać się do wszystkich wymaganych metod z biblioteki IronPDF:

import com.ironsoftware.ironpdf.*;
// Necessary imports from IronPDF library

import com.ironsoftware.ironpdf.*;
// Necessary imports from IronPDF library

Następnie skonfiguruj IronPDF przy użyciu ważnego klucza licencyjnego, aby móc korzystać z jego metod. Wywołaj metodę setLicenseKey w metodzie main.

License.setLicenseKey("Your license key");
// Set your IronPDF license key - required for full version

License.setLicenseKey("Your license key");
// Set your IronPDF license key - required for full version

Uwaga: Możesz uzyskać bezplatną licencję probną, aby tworzyć, czytać i drukować pliki PDF.

Odczytanie istniejącego pliku PDF w Javie

Aby odczytać pliki PDF, muszą one istnieć lub można je utworzyć. W tym artykule wykorzystamy już utworzony plik PDF. Kod jest prosty i składa się z dwóch kroków służących do wyodrębnienia tekstu z dokumentu:

// Load the PDF document from file
PdfDocument pdf = PdfDocument.fromFile(Paths.get("assets/sample.pdf"));
// Extract all text from the PDF
String text = pdf.extractAllText();
// Print the extracted text
System.out.println(text);

// Load the PDF document from file
PdfDocument pdf = PdfDocument.fromFile(Paths.get("assets/sample.pdf"));
// Extract all text from the PDF
String text = pdf.extractAllText();
// Print the extracted text
System.out.println(text);

W powyższym kodzie fromFile otwiera dokument PDF. Metoda Paths.get pobiera katalog pliku i jest gotowa do wyodrębnienia zawartości z pliku. Następnie [extractAllText](/java/object-reference/api/com/ironsoftware/ironpdf/PdfDocument.html#extractAllText()) odczytuje cały tekst w dokumencie.

Poniżej znajduje się wynik:

Odczytywanie tekstu z plików PDF

Odczyt tekstu z określonej strony

IronPDF może również odczytywać treść z określonej strony w pliku PDF. Metoda extractTextFromPage wykorzystuje obiekt PageSelection do akceptowania zakresu stron, z których zostanie odczytany tekst.

W poniższym przykładzie tekst pochodzi z drugiej strony dokumentu PDF. PageSelection.singlePage pobiera indeks strony, która ma zostać wyodrębniona (indeks zaczyna się od 0).

// Load the PDF document from file
PdfDocument pdf = PdfDocument.fromFile(Paths.get("assets/sample.pdf"));
// Extract text from the second page (page index based, starts at 0, so 1 means second page)
String text = pdf.extractTextFromPage(PageSelection.singlePage(1));
// Print the extracted text from the specified page
System.out.println(text);

// Load the PDF document from file
PdfDocument pdf = PdfDocument.fromFile(Paths.get("assets/sample.pdf"));
// Extract text from the second page (page index based, starts at 0, so 1 means second page)
String text = pdf.extractTextFromPage(PageSelection.singlePage(1));
// Print the extracted text from the specified page
System.out.println(text);

Odczytywanie tekstu z plików PDF

Inne metody dostępne w klasie PageSelection, które można wykorzystać do wyodrębniania tekstu z różnych stron, to: [firstPage](/java/object-reference/api/com/ironsoftware/ironpdf/edit/PageSelection.html#lastPage()), [lastPage](/java/object-reference/api/com/ironsoftware/ironpdf/edit/PageSelection.html#firstPage()), pageRange oraz [allPages](/java/object-reference/api/com/ironsoftware/ironpdf/edit/PageSelection.html#allPages()).

Odczyt tekstu z nowo wygenerowanego pliku PDF

Wyszukiwanie tekstu można również przeprowadzić na podstawie nowo wygenerowanego pliku PDF, utworzonego na podstawie pliku HTML lub adresu URL. Poniższy przykładowy kod generuje pliki PDF na podstawie adresu URL i wyodrębnia cały tekst ze strony internetowej.

// Generate PDF from a URL
PdfDocument pdf = PdfDocument.renderUrlAsPdf("https://unsplash.com/");
// Extract all text from the generated PDF
String text = pdf.extractAllText();
// Print the extracted text from the URL
System.out.println("Text extracted from the website: " + text);

// Generate PDF from a URL
PdfDocument pdf = PdfDocument.renderUrlAsPdf("https://unsplash.com/");
// Extract all text from the generated PDF
String text = pdf.extractAllText();
// Print the extracted text from the URL
System.out.println("Text extracted from the website: " + text);

Wczytaj z nowego pliku

IronPDF może być również używany do wyodrębniania obrazów z plików PDF.

Pełny kod wygląda następująco:

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 {
        // Set the IronPDF license key for commercial use
        License.setLicenseKey("YOUR LICENSE KEY HERE");

        // Read text from a specific page in an existing PDF
        PdfDocument pdf = PdfDocument.fromFile(Paths.get("assets/sample.pdf"));
        String text = pdf.extractTextFromPage(PageSelection.singlePage(1));
        System.out.println(text);

        // Read all text from a PDF generated from a URL
        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 {
        // Set the IronPDF license key for commercial use
        License.setLicenseKey("YOUR LICENSE KEY HERE");

        // Read text from a specific page in an existing PDF
        PdfDocument pdf = PdfDocument.fromFile(Paths.get("assets/sample.pdf"));
        String text = pdf.extractTextFromPage(PageSelection.singlePage(1));
        System.out.println(text);

        // Read all text from a PDF generated from a URL
        pdf = PdfDocument.renderUrlAsPdf("https://unsplash.com/");
        text = pdf.extractAllText();
        System.out.println("Text extracted from the website: " + text);
    }
}