如何在 Java 中解析 PDF（開發者教程）

本文將使用IronPDF庫以高效的方法在Java中創建PDF解析器。

IronPDF - Java PDF 庫

IronPDF for Java 是一個 Java PDF 函式庫，能夠輕鬆且精確地創建、閱讀和操作 PDF 文件。 它基於IronPDF for .NET的成功之上，並在不同平台上提供高效功能。 IronPDF for Java 使用 IronPdfEngine，該引擎速度快且經過性能優化。

使用 IronPDF，您可以從 PDF 文件中提取文本和圖像，它還可以從包括 HTML 字串、文件、URL 和圖像在內的各種來源創建 PDF。 此外，您可以輕鬆地添加新內容，使用IronPDF插入簽名，並將元數據嵌入PDF文件。 IronPDF 專為 Java 8+、Scala 和 Kotlin 設計，並與 Windows、Linux 和雲端平台相容。

使用 IronPDF 在 Java 程式中建立 PDF 檔案解析器

先決條件

要在 Java 中建立一個 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 可用於開發。 在本教程中將使用IntelliJ IDE。 您可以使用 NetBeans、Eclipse 等。

2. Maven 專案：Maven 是一個依賴管理工具，允許對 Java 專案進行控制。 Maven for Java 可以從Maven 官方網站下載。 IntelliJ Java IDE內建對Maven的支持。

3. IronPDF - 您可以通过多种方式下載並安裝 IronPDF for Java。

   • 在 Maven 項目中的 pom.xml 文件中添加 IronPDF 依賴。

     :ProductInstall

• 造訪 Maven 存儲庫網站，獲取最新的 IronPDF for Java 套件。

  • 直接從 Iron Software 的官方下載頁面下載。

  • 在您的簡單 Java 應用程式中，使用 JAR 檔案手動安裝 IronPDF。

4. Slf4j-Simple：這個依賴同樣需要用於在現有文件上標記內容。 它可以通過 IntelliJ 中的 Maven 依賴管理器添加，或者可以直接從 Maven 網站下載。將以下依賴項添加到pom.xml文件：

    <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>

新增必要的匯入

一旦安裝所有必要的前提條件，第一步是導入必要的IronPDF套件以處理PDF文檔。 在 Main.java 文件的顶部添加以下代码：

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中的某些方法需要許可才能使用。 您可以購買許可證或在免費試用中免費試用IronPDF。 您可以按如下方式設定金鑰：

License.setLicenseKey("YOUR-KEY");

License.setLicenseKey("YOUR-KEY");

步驟 1：解析現有的 PDF 文件

要分析現有文件以進行內容提取，使用PdfDocument類。 其靜態fromFile方法用於在Java程式中從特定路徑和特定檔案名稱解析PDF檔案。 代碼如下：

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

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

解析文件

步驟 2：從解析的 PDF 文件中提取文本數據

IronPDF for Java 提供了一種簡便的方法來從 PDF 文件中提取文字。 以下代碼片段用於從 PDF 文件中提取文字數據：

String extracted_text = parsedDocument.extractAllText();

String extracted_text = parsedDocument.extractAllText();

上述程式碼產生如下輸出：

輸出

步驟 3：從 URL 或 HTML 字串中提取文字資料

IronPDF for Java 的功能不僅限於現有的 PDF 文件，它還可以創建和解析新文件以提取內容。 在這裡，本教程將從URL創建 PDF 文件並從中提取內容。 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 extracted_text = parsedDocument.extractAllText();
        System.out.println("Text Extracted from URL:\n" + extracted_text);
    }
}

public class Main {
    public static void main(String[] args) throws IOException {
        License.setLicenseKey("YOUR-KEY");

        PdfDocument parsedDocument = PdfDocument.renderUrlAsPdf("https://ironpdf.com/java/");
        String extracted_text = parsedDocument.extractAllText();
        System.out.println("Text Extracted from URL:\n" + extracted_text);
    }
}

輸出如下：

輸出

步驟 4：從已解析的 PDF 文檔中提取圖像

IronPDF還提供了一個簡便的選項來從解析的文檔中提取所有圖像。 在此教程中，我們將使用先前的範例來看看如何輕鬆從 PDF 檔案中提取圖像。

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 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 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()) 方法返回一個 BufferedImages 的清單。 每個BufferedImage都可以使用ImageIO.write方法儲存為 PNG 圖片。 解析的 PDF 檔案中有 34 張圖像，每張圖像都被完美提取。

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()，只需一行代碼就能輕鬆從 PDF 文件中的表格邊界中提取內容。 以下代碼片段示範如何從 PDF 文件中的表格提取文字：

！如何在 Java 中解析 PDF（開發人員教程），圖 5：PDF 中的表格

PDF 中的表格

PdfDocument parsedDocument = PdfDocument.fromFile(Paths.get("table.pdf"));
String extracted_text = parsedDocument.extractAllText();
System.out.println(extracted_text);

PdfDocument parsedDocument = PdfDocument.fromFile(Paths.get("table.pdf"));
String extracted_text = parsedDocument.extractAllText();
System.out.println(extracted_text);

輸出如下：

輸出

結論

這篇文章演示了如何在 Java 中使用 IronPDF 解析現有的 PDF 文件或從 URL 創建新的 PDF 解析器文件來提取數據。 打開文件後，可以從 PDF 中提取表格數據、圖像和文本，還可以將提取的文本添加到文本文件中以供日後使用。

有關如何在 Java 中以程式方式處理 PDF 文件的更多詳細資訊，請參閱這些PDF 文件創建範例。

IronPDF for Java 庫可免費用於開發目的，並提供免費試用。 不過，若為商業用途，可通過IronSoftware取得許可，費用從$749起。