如何在Java中从PDF中提取数据

本教程将向您展示如何使用 IronPDF for Java 从 PDF 文件中提取数据。通过代码示例解释了环境设置、导入库、读取输入文件以及提取所需数据的过程。

2. IronPDF Java PDF库

IronPDF 是一个软件库，为开发人员提供了在 Java 应用程序中使用 IronPDF for Java 生成、编辑和从 PDF 文件中提取数据的能力。 它允许您从HTML文档、图像等创建PDF，以及合并多个PDF、拆分PDF文件和处理现有的PDF。 IronPDF还提供了通过密码保护功能保护PDF文件和为PDF文件添加数字签名的能力，以及其他功能。

IronPDF for Java 由 Iron Software 开发和维护。 其中最受好评的功能之一是从PDF文件以及HTML和URL中提取文本和数据。

3. 先决条件

使用IronPDF从PDF文件中提取数据，您必须满足以下先决条件：

1. Java 安装：确保在您的系统上安装了 Java，并且在环境变量中设置了其路径。 如果您还没有安装 Java，请参考 Java 网站上的下载页面 获取说明。

2. Java IDE：安装一个像 Eclipse 或 IntelliJ 的 Java IDE。 您可以从这个Eclipse下载页面下载Eclipse，从这个IntelliJ下载页面下载IntelliJ。

3. IronPDF 库：下载并将 IronPDF 库作为依赖项添加到您的项目中。 请访问IronPDF 设置说明页面以获取设置说明。

4. Maven 安装：在开始 PDF 转换过程之前，应安装 Maven 并与您的 IDE 集成。 请参考此JetBrains上的Maven安装教程，以了解如何安装和集成Maven。

4. Java 版 IronPDF 的安装

安装IronPDF for Java很简单，只要满足所有要求。 本指南将使用 JetBrains 的 IntelliJ IDEA 演示安装和运行示例代码。

这是需要做的事：

打开 IntelliJ IDEA：在您的系统上启动 JetBrains IntelliJ IDEA。

创建一个Maven项目：在IntelliJ IDEA中，创建一个新的Maven项目。 这将为安装IronPDF for Java提供合适的环境。

IntelliJ中的新Maven项目

一个新窗口将会出现。 输入项目名称，然后点击完成。

命名 Maven 项目并点击完成

单击完成后，将打开一个带有 pom.xml 的新项目。 这将用于添加IronPDF Java Maven依赖项。

pom.xml 文件

在pom.xml文件中添加以下依赖项，或者您可以从Sonatype Central上的IronPDF库页面下载JAR文件。

<dependency>
   <groupId>com.ironsoftware</groupId>
   <artifactId>com.ironsoftware</artifactId>
   <version>2025.5.6</version>
</dependency>

一旦将依赖项放入pom.xml文件中，文件右上角会出现一个小图标。

点击浮动图标以自动安装Maven依赖项

通过点击此按钮安装IronPDF for Java的Maven依赖项。 根据您的互联网连接速度，这应该只需要几分钟。

提取数据

IronPDF 是一个用于创建、编辑和从PDF文档中提取数据的Java库。 它提供了一个简单的API，从PDF文件、URL和表格中提取文本。

从PDF文档中提取数据

使用IronPDF for Java，您可以轻松地从PDF文档中提取文本数据。 下面是从PDF文件提取数据的示例代码。

PDF输入

import com.ironsoftware.ironpdf.PdfDocument;

import java.io.IOException;
import java.nio.file.Paths;

public class Main {
    public static void main(String[] args) throws IOException {
        PdfDocument pdf = PdfDocument.fromFile(Paths.get("business plan.pdf"));
        String text = pdf.extractAllText();
        System.out.println("Text extracted from the PDF: " + text);
    }
}

import com.ironsoftware.ironpdf.PdfDocument;

import java.io.IOException;
import java.nio.file.Paths;

public class Main {
    public static void main(String[] args) throws IOException {
        PdfDocument pdf = PdfDocument.fromFile(Paths.get("business plan.pdf"));
        String text = pdf.extractAllText();
        System.out.println("Text extracted from the PDF: " + text);
    }
}

源代码的输出结果如下：

> Text extracted from the PDF:
> 
> CRAFT-ARENA
> 
> Muhammad Waleed Butt
> 
> Hassan Khan
> 
> ABOUT US
> 
> Craft-Arena is a partnershipbased business that will help local crafters of Pakistan to sell their handy crafts at good prices and helps them earn good living.

从URLs中提取数据

IronPDF for Java在运行时将URL转换为PDF并从中提取文本。 此示例将查看从URL提取文本的源代码。

import com.ironsoftware.ironpdf.PdfDocument;

import java.io.IOException;

public class Main {
    public static void main(String[] args) throws IOException {
        PdfDocument pdf = PdfDocument.renderUrlAsPdf("https://ironpdf.com/java/");
        // new PDF parser
        String text = pdf.extractAllText();
        System.out.println("Text extracted from the URLs: " + text);
    }
}

import com.ironsoftware.ironpdf.PdfDocument;

import java.io.IOException;

public class Main {
    public static void main(String[] args) throws IOException {
        PdfDocument pdf = PdfDocument.renderUrlAsPdf("https://ironpdf.com/java/");
        // new PDF parser
        String text = pdf.extractAllText();
        System.out.println("Text extracted from the URLs: " + text);
    }
}

提取的网页数据

从表格数据中提取数据

使用 IronPDF for Java 从 PDF 中提取表格数据非常简单； 您只需要一个包含表格的PDF文件，并运行以下代码。

示例 PDF 表格输入

import com.ironsoftware.ironpdf.PdfDocument;

import java.io.IOException;
import java.nio.file.Paths;

public class Main {
    public static void main(String[] args) throws IOException {
        PdfDocument pdf = PdfDocument.fromFile(Paths.get("table.pdf"));
        String text = pdf.extractAllText();
        System.out.print("Text extracted from the Marked tables: " + text);
    }
}

import com.ironsoftware.ironpdf.PdfDocument;

import java.io.IOException;
import java.nio.file.Paths;

public class Main {
    public static void main(String[] args) throws IOException {
        PdfDocument pdf = PdfDocument.fromFile(Paths.get("table.pdf"));
        String text = pdf.extractAllText();
        System.out.print("Text extracted from the Marked tables: " + text);
    }
}

> Test Case Description Expected Result Actual Result Status
> 
> 1 Test login functionality User should be able to log in with valid credentials
> 
> User log in successfully Pass
> 
> 2 Test search functionality Search results should be relevant and accurate
> 
> Search is accurate and provide relevant products Pass
> 
> 3 Test checkout process User should be able to complete a purchase successfully
> 
> User can purchase successfully Pass

6. 结论

总之，本教程演示了如何使用IronPDF for Java从PDF文件中提取数据，特别是表格数据。

欲了解更多信息，请参考IronPDF网站上的从PDF提取文本示例。

IronPDF 是一个库，具有商业许可证详情，起价为$749。 但是，您可以在生产环境中使用 IronPDF 试用许可证进行免费试用。