如何在 Java 中解析 PDF（開發人員教程）

先決條件

要在Java中創建PDF解析專案，您將需要以下工具：

1. Java IDE： 您可以使用任何支援Java的IDE，有多種Java IDE可供開發使用。 本教程將使用IntelliJ IDE。 您可以使用 NetBeans、Eclipse 等。
2. Maven專案： Maven是一個依賴管理工具，並允許控制Java專案。 Maven for Java可以從Maven官方網站下載。 IntelliJ Java IDE內建支援Maven。

3. IronPDF - 您可以通過多種方式下載和安裝IronPDF for Java。

   • 在Maven專案的pom.xml文件中添加IronPDF依賴。

     <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
   • 造訪Maven庫網站以獲取最新的IronPDF for Java包。
   • 從Iron Software 官方下載頁面直接下載。
   • 使用JAR文件手動安裝IronPDF到您的簡單Java應用程式中。

4. Slf4j-Simple： 此依賴也需要用於在現有文件上蓋章內容。 可以使用IntelliJ中的Maven依賴管理器添加，或直接從Maven網站下載。將以下依賴添加到pom.xml文件中：

   <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

添加必要的導入

安裝所有先決條件後，第一步是導入必要的IronPDF包以處理PDF文件。 在Main.java文件頂部添加以下代碼：

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;

授權金鑰

IronPDF 中的一些方法需要授權才能使用。 您可以購買授權或在免費試用中試用IronPDF。 您可以按如下所示設置金鑰：

License.setLicenseKey("YOUR-KEY");

License.setLicenseKey("YOUR-KEY");

步驟1：解析現有的PDF文件

要解析現有文件以提取內容，需使用PdfDocument類。 其靜態[fromFile](/java/object-reference/api/com/ironsoftware/ironpdf/PdfDocument.html#fromFile(java.nio.file.Path)方法用於從特定路徑解析具有特定文件名的PDF文件於Java程式中。 代碼如下：

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

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

已解析的文件

步驟2：從解析的PDF文件中提取文本數據

IronPDF for Java提供了簡便方法來從PDF文件中提取文本。 以下代碼片段用於從PDF文件中提取文本數據如下：

String extractedText = parsedDocument.extractAllText();

String extractedText = parsedDocument.extractAllText();

上述代碼會產生以下輸出：

輸出

步驟3：從URL或HTML字符串中提取文本數據

IronPDF for Java的功能不限於現有PDF，它還可以創建並解析新文件以提取內容。 這裡，本教程將從URL創建一個PDF文件並提取其中的內容。 以下示例顯示如何完成此任務：

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);
    }
}

輸出如下：

輸出

步驟4：從解析的PDF文件中提取圖像

IronPDF還提供簡易選項從解析的文件中提取所有圖像。 本教程將使用前面的示例來看看如何輕鬆從PDF文件中提取圖像。

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()） 方法返回BufferedImages列表。 每個ImageIO.write方法保存為PNG圖像到某個位置。 解析的PDF文件中有34張圖像，每張圖像都被完美地提取。

提取的圖像

步驟5：從PDF文件中的表格中提取數據

使用[extractAllText方法](/java/object-reference/api/com/ironsoftware/ironpdf/PdfDocument.html#extractAllText()從PDF文件中的表格邊界中提取內容變得簡單，只需一行代碼。 以下代碼片段演示如何從PDF文件中的表格中提取文本：

PDF中的表格

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);

輸出如下：

輸出