Como ler um arquivo PDF em Java

Pré-requisitos

Para usar o IronPDF para criar um leitor de PDF em Java, é necessário garantir que os seguintes componentes estejam instalados no computador:

1. O JDK (Java Development Kit) é necessário para criar e executar programas Java. Caso não esteja instalado, faça o download no site da Oracle .
2. IDE - Ambiente de Desenvolvimento Integrado é um software que auxilia na escrita, edição e depuração de um programa. Baixe qualquer IDE for Java, por exemplo, Eclipse, NetBeans ou IntelliJ.
3. Maven - O Maven é uma ferramenta de automação que auxilia no download de bibliotecas do Repositório Central. Faça o download no site do Apache Maven .
4. IronPDF - Por fim, o IronPDF é necessário para ler o arquivo PDF em Java. Isso precisa ser adicionado como uma dependência em seu projeto Java Maven. Inclua o artefato IronPDF juntamente com a dependência slf4j no arquivo pom.xml, conforme mostrado no exemplo abaixo:

<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>

Adicionando as importações necessárias

Primeiramente, adicione o seguinte código no início do arquivo fonte Java para referenciar todos os métodos necessários do IronPDF:

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

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

Em seguida, configure o IronPDF com uma chave de licença válida para usar seus métodos. Invoque o método setLicenseKey no método principal.

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

Observação: você pode obter uma chave de licença de avaliação gratuita para criar, ler e imprimir PDFs.

Ler um arquivo PDF existente em Java

Para ler arquivos PDF , é necessário que existam arquivos PDF, ou que um seja criado. Este artigo utilizará um arquivo PDF já criado. O código é simples e consiste em um processo de duas etapas para extrair o texto do documento:

// 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);

No código acima, fromFile abre um documento PDF. O método Paths.get obtém o diretório do arquivo e está pronto para extrair o conteúdo do arquivo. Em seguida, [extractAllText](/java/object-reference/api/com/ironsoftware/ironpdf/PdfDocument.html#extractAllText() lê todo o texto do documento.

O resultado é o seguinte:

Leitura de saída de texto em PDF

Ler texto de uma página específica

O IronPDF também consegue ler o conteúdo de uma página específica em um PDF. O método extractTextFromPage usa um objeto PageSelection para aceitar um intervalo de páginas a partir das quais o texto será lido.

No exemplo a seguir, o texto foi extraído da segunda página do documento PDF. PageSelection.singlePage obtém o índice da página que precisa ser extraída (índice começando em 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);

Leitura de saída de texto em PDF

Outros métodos disponíveis na classe PageSelection que podem ser usados ​​para extrair texto de várias páginas incluem: [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 e [allPages](/java/object-reference/api/com/ironsoftware/ironpdf/edit/PageSelection.html#allPages() ).

Ler texto de um arquivo PDF recém-gerado

A busca de texto também pode ser realizada a partir de um arquivo PDF recém-gerado, seja a partir de um arquivo HTML ou de uma URL. O código de exemplo a seguir gera PDFs a partir de URLs e extrai todo o texto do site.

// 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);

Ler de um novo arquivo

O IronPDF também pode ser usado para extrair imagens de arquivos PDF.

O código completo é o seguinte:

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);
    }
}