如何在 Java 中解析 PDF（開發人員教程）

先決條件

要在Java中建立一個PDF解析項目，您需要以下工具：

1. Java IDE：您可以使用任何支援 Java 的 IDE。目前有多種 Java IDE 可用於開發。 本教程將使用IntelliJ IDE 。 您可以使用 NetBeans、Eclipse 等工具。
2. Maven專案： Maven是依賴管理器，可以控制 Java 專案。 可從Maven官方網站下載Maven 適用於 Java。 IntelliJ Java IDE 內建了對Maven的支援。

3. IronPDF - 您可以透過多種方式下載並安裝適用於 Java 的IronPDF 。

   • 在Maven專案的 pom.xml 檔案中新增IronPDF依賴項。

     <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儲存庫網站，取得最新的 Java 版IronPDF軟體包。
   • 可直接從Iron Software官方下載頁面下載。
   • 在您的簡單 Java 應用程式中使用 JAR 檔案手動安裝IronPDF 。

4. Slf4j-Simple：此依賴項也是將內容新增至現有文件所必需的。 可以使用 IntelliJ 中的Maven依賴管理器添加，也可以直接從Maven網站下載。將以下依賴項新增至 pom.xml 檔案：

   <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

新增必要的導入

所有必備條件安裝完畢後，第一步是匯入必要的IronPDF軟體包以處理 PDF 文件。 在 Main.java 檔案頂部新增以下程式碼：

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;

許可證密鑰

IronPDF中的某些功能需要許可證才能使用。 您可以購買許可證，也可以免費試用IronPDF 。 您可以如下設定密鑰：

License.setLicenseKey("YOUR-KEY");

License.setLicenseKey("YOUR-KEY");

步驟 1：解析現有 PDF 文檔

要解析現有文件以提取內容，可以使用PdfDocument類。 它的靜態方法[（fromFile](/java/object-reference/api/com/ironsoftware/ironpdf/PdfDocument.html#fromFile(java.nio.file.Path) ）用於在 Java 程式中從特定路徑和特定檔案名稱解析 PDF 檔案。 程式碼如下：

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

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

已解析文檔

步驟 2：從解析後的 PDF 檔案中提取文字數據

IronPDF for Java 提供了一種從 PDF 文件中提取文字的簡單方法。 下面的程式碼片段用於從PDF文件中提取文字資料：

String extractedText = parsedDocument.extractAllText();

String extractedText = parsedDocument.extractAllText();

上述程式碼產生如下輸出：

輸出

步驟 3：從 URL 或 HTML 字串中提取文字數據

IronPDF for Java 的功能不僅限於現有的 PDF 文件，它還可以建立和解析新文件以提取內容。 本教學將從URL 建立 PDF 檔案並從中提取內容。 以下範例展示如何完成此任務：

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);
    }
}

輸出結果如下：

輸出

步驟 4：從解析後的 PDF 文件中擷取影像

IronPDF也提供了一個簡單的選項，可以從解析後的文件中提取所有影像。 本教學將以前面的範例為例，展示如何輕鬆地從 PDF 檔案中擷取影像。

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() ) 方法傳回一個 BufferedImages 清單。 然後可以使用 BufferedImage 方法將每個 ImageIO.write 映像儲存為 PNG 映像。 解析後的 PDF 檔案中有 34 張圖片，每張圖片都已完美擷取。

提取的圖像

步驟 5：從 PDF 文件中的表格提取數據

使用[extractAllText 方法](/java/object-reference/api/com/ironsoftware/ironpdf/PdfDocument.html#extractAllText()，只需一行程式碼即可輕鬆從 PDF 文件中的表格邊界提取內容）。 以下程式碼片段示範如何從 PDF 檔案中的表格中擷取文字：

PDF 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);

輸出結果如下：

輸出