如何在 Java 中解析 PDF（開發人員教程）

先決條件

要在Java中製作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。目前有多種Java IDE可供開發使用。 這裡這篇教程將使用IntelliJ IDE。 您可以使用NetBeans、Eclipse等。
2. Maven專案：Maven是一個依賴管理工具，可控制Java專案。 Java的Maven可以從Maven官方網站下載。 IntelliJ Java IDE內建支援Maven。

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

   • 在Maven專案中的pom.xml文件中新增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儲存庫網站以獲取最新的Java IronPDF包。
   • 從Iron Software 官方下載頁面直接下載。
   • 在您的簡單Java應用程式中手動安裝IronPDF JAR文件。

4. Slf4j-Simple：此依賴性也需要來將內容印到現有文件。 它可以使用IntelliJ中的Maven依賴管理器新增，也可以直接從Maven網站下載。將以下依賴新增到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

新增必要的導入

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文件的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;

授權金鑰

IronPDF中的某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免費試用IronPDF。 您可以按以下方式設置金鑰：

License.setLicenseKey("YOUR-KEY");

License.setLicenseKey("YOUR-KEY");

步驟1：解析現有的PDF文件

為了解析現有文件以提取內容，使用PdfDocument類。 它的靜態[fromFile](/java/object-reference/api/com/ironsoftware/ironpdf/PdfDocument.html#fromFile(java.nio.file.Path)方法用於在Java程式中從特定路徑含有特定文件名解析PDF文件。 程式碼如下：

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

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

Parsed document

步驟2：從解析的PDF文件提取文字資料

IronPDF for Java提供了一種簡單方法來從PDF文件中提取文字。 下面的程式碼片段是用來從PDF文件中提取文字的程式碼：

String extractedText = parsedDocument.extractAllText();

String extractedText = parsedDocument.extractAllText();

上述程式碼生成的輸出如下：

輸出

步驟3：從URL或HTML字串提取文字資料

IronPDF for Java的功能不僅限於現有的PDF，它還可以建立並解析新的文件以提取內容。 這裡這篇教程將建立一個從URL生成的PDF文件並從中提取內容。 以下範例展示了如何完成此任務：

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文件提取圖片

IronPDF還提供了一種簡便的方法提取所有解析文件中的圖片。 這裡教程將使用前面的範例來看看如何從PDF文件中輕鬆提取圖片。

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();
        }
    }
}

方法BufferedImages列表。 然後每個ImageIO.write儲存為PNG圖片在一個位置。 解析的PDF文件中有34張圖片，每張圖片均完美提取。

Extracted images

步驟5：從PDF文件中的表格提取資料

從PDF文件中的表格界限提取內容僅需一行程式碼即可完成，使用[extractAllText方法](/java/object-reference/api/com/ironsoftware/ironpdf/PdfDocument.html#extractAllText()。 下面的程式碼片段演示了如何從PDF文件中的表格提取文字：

Table in PDF

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