Извлечь текст из PDF в Java

В последних работах необходимо извлечь текстовое содержание, содержащееся в огромном PDF-документе. После поиска информации в Интернете я обнаружил, что Free Spire.PDF для Java может помочь мне выполнить эту операцию с помощью простого кода. Ниже приведен код Java, используемый в процессе.

Основные шаги

1. Сначала установите пакет JAR через репозиторий Maven. Код для настройки файла pom.xml выглядит следующим образом:

<repositories>
     <repository>
          <id>com.e-iceblue</id>
          <name>e-iceblue</name>
          <url>http://repo.e-iceblue.com/nexus/content/groups/public/</url>
     </repository>
</repositories>
<dependencies>
     <dependency>
          <groupId>e-iceblue</groupId>
          <artifactId>spire.pdf.free</artifactId>
         <version>2.6.3</version>
     </dependency>
</dependencies>

2. Создайте новый Java-класс в приложении Java (здесь я назвал ExtractText), затем введите соответствующий код Java и запустите

Исходный документ в формате PDF выглядит следующим образом:



Java-код

import com.spire.pdf.PdfDocument;
import com.spire.pdf.PdfPageBase;
import java.io.*;

public class ExtractText {

    public static void main(String[] args) {

        //Создайте экземпляр PdfDocument
        PdfDocument doc=new PdfDocument();
        //Загрузите файл PDF
        doc.loadFromFile("document1.pdf");

        //Создать экземпляр StringBuilder
        StringBuilder sb=new StringBuilder();

        PdfPageBase page;

        //Перебирайте страницы PDF и получайте текст каждой страницы
        for(int i=0;i<doc.getPages().getCount();i++){
            page=doc.getPages().get(i);
            sb.append(page.extractText(true));
        }
        FileWriter writer;
        try {
            //Написать текст в текстовый файл
            writer = new FileWriter("ExtractText.txt");
            writer.write(sb.toString());
            writer.flush();
        } catch (IOException e) {
            e.printStackTrace();
        }

        doc.close();
    }
}