java解析PDF、WORD获取其中的表格以及文本内容

在Java中，要解析PDF和Word文档以获取其中的表格和文本内容，可以使用Apache PDFBox和Apache POI库。以下是使用这两个库的示例代码。

解析PDF文件中的表格和文本内容:

import org.apache.pdfbox.pdmodel.PDDocument;
import org.apache.pdfbox.text.PDFTextStripperByArea;
import org.apache.pdfbox.text.TextPosition;
 
import java.awt.geom.Rectangle2D;
import java.io.File;
import java.io.IOException;
import java.util.List;
 
public class PDFParser {
    public static void main(String[] args) throws IOException {
        try (PDDocument document = PDDocument.load(new File("example.pdf"))) {
            PDFTextStripperByArea stripper = new PDFTextStripperByArea() {
                @Override
                protected void writeString(String str, List<TextPosition> textPositions) {
                    for (TextPosition position : textPositions) {
                        String unicode = position.getUnicode();
                        if (unicode != null) {
                            Rectangle2D.Float bounds = position.getBounds();
                            // 检查bounds是否接近表格边界
                            // 根据bounds做逻辑处理
                        }
                    }
                }
            };
            stripper.addRegion("tableArea", new Rectangle2D.Double(100, 100, 400, 300)); // 假设表格在页面的(100,100)位置，宽400，高300
            stripper.extractRegions(document);
            String text = stripper.getTextForRegion("tableArea");
            System.out.println(text);
        }
    }
}

解析WORD文件中的表格和文本内容:

import org.apache.poi.xwpf.usermodel.*;
 
import java.io.File;
import java.io.FileInputStream;
import java.io.IOException;
import java.util.List;
 
public class WordParser {
    public static void main(String[] args) throws IOException {
        try (FileInputStream fis = new FileInputStream(new File("example.docx"));
             XWPFDocument document = new XWPFDocument(fis)) {
            for (IBodyElement element : document.getBodyElements()) {
                if (element instanceof XWPFParagraph) {
                    XWPFParagraph paragraph = (XWPFParagraph) element;
                    String text = paragraph.getText();
                    // 处理文本内容
                } else if (element instanceof XWPFTable) {
                    XWPFTable table = (XWPFTable) element;