java 读取pdf文件内容

在Java中，可以使用Apache PDFBox库来读取PDF文件内容。以下是使用PDFBox读取PDF文件文本内容的示例代码：

首先，添加PDFBox依赖到你的项目中。如果你使用Maven，可以添加以下依赖：

<dependency>
    <groupId>org.apache.pdfbox</groupId>
    <artifactId>pdfbox</artifactId>
    <version>2.0.24</version>
</dependency>

然后，使用以下Java代码读取PDF文件：

import org.apache.pdfbox.pdmodel.PDDocument;
import org.apache.pdfbox.text.PDFTextStripper;
 
import java.io.File;
import java.io.IOException;
import java.nio.file.Files;
import java.nio.file.Path;
import java.nio.file.Paths;
 
public class PDFReader {
    public static void main(String[] args) {
        String pdfFilePath = "path/to/your/pdf/file.pdf"; // 替换为你的PDF文件路径
        PDDocument document = null;
        try {
            // 加载PDF文档
            document = PDDocument.load(new File(pdfFilePath));
 
            // 创建一个PDFTextStripper实例来提取文本
            PDFTextStripper pdfStripper = new PDFTextStripper();
 
            // 从PDF文档中提取文本
            String text = pdfStripper.getText(document);
 
            // 打印提取的文本内容
            System.out.println(text);
        } catch (IOException e) {
            e.printStackTrace();
        } finally {
            // 关闭PDF文档
            if (document != null) {
                try {
                    document.close();
                } catch (IOException e) {
                    e.printStackTrace();
                }
            }
        }
    }
}

确保替换pdfFilePath变量的值为你的PDF文件的实际路径。上述代码会读取PDF文件，并将其文本内容打印到控制台。如果PDF文件有密码保护，你需要在加载文档之前解密它。PDFTextStripper还提供了许多其他选项来自定义提取的文本，例如提取特定页面的文本或调整文本的提取精度。