PDF fájl olvasása Java nyelven

Kép jóváírása: Pixland/Pixland/Getty Images

Töltse le a Java JDK-t a Sun webhelyéről. Ez egy futtatható fájl, amelyet futtatásával telepíthet a rendszerére. Verziók elérhetők Windows, Mac és Linux rendszerekre. Kattintson a piros "Letöltés" gombra. Mentse el a „jdk-6uxx-windows-xxx.exe” nevű fájlt, amikor a rendszer kéri. Mentse el ezt a fájlt, majd kattintson rá duplán a Java telepítő elindításához.

Töltse le az Eclipse fejlesztőrendszert, és csomagolja ki egy legfelső szintű könyvtárba. Válassza az „Eclipse IDE for Java Developers” lehetőséget. Ezzel elindul az „eclipse-java-galileo-SR2-win32.zip” letöltése. A letöltés befejezése után kattintson duplán a fájlra a kicsomagolásához. Válassza ki a "C:" gyökérkönyvtár helyét az Eclipse kicsomagolásához.

Az Eclipse elindításához kattintson duplán az „eclipse.exe” fájlra az eclipse zip fájl kicsomagolásával létrehozott könyvtárban. Az Eclipse rendszerben hozzon létre egy "PrintPdf" nevű projektet. Válassza a "Fájl", majd az "Új", majd a "Java projekt" lehetőséget. A megjelenő párbeszédablakban írja be a projekt nevét "PrintPdf". Győződjön meg arról, hogy be van jelölve a „Külön mappák létrehozása a forrás- és osztályfájlokhoz” választógomb. Kattintson a "Befejezés" gombra.

Hozzon létre egy "lib" mappát a "PrintPdf" projektben. Kattintson a jobb gombbal a "PrintPdf" projektre, és válassza az "Új", majd a "Mappa" lehetőséget. Írja be a "lib" nevet, és kattintson a "Befejezés" gombra.

Töltse le az Apache "PDFBox.jar" fájlt az Apache webhelyről, és másolja be az imént létrehozott lib könyvtárba. Ugyanazon a weboldalon töltse le a "fontbox-nn.jar" és a "jempbox-nn.jar" fájlt. Minden esetben, amikor rákattint az adott jar fájlra, egy oldalra jut, ahol kiválaszthat egyet a több szerver közül, amelyek biztosítják ezt a fájlt. Válassza ki mindegyiket, és minden jar fájl letöltődik. Másoljon minden jar fájlt az imént létrehozott lib könyvtárba.

Ugyanilyen módon töltse le az Apache log4j.jar csomagot, és másolja be a log4j.jar fájlt a könyvtárba. Az Apache PDFBox könyvtár ezt az Apache naplózási könyvtárat használja, ezért ennek a fájlnak jelen kell lennie.

Töltse le az Apache Commons Discovery csomagot zip fájlként. Kattintson duplán a zip fájlra, válassza ki a „commons-discovery-nn.jar” fájlt, és csomagolja ki a lib könyvtárba.

Az Eclipse programban kattintson a "lib" könyvtárra, és nyomja meg az "F5" billentyűt. Győződjön meg arról, hogy az összes hozzáadott jar fájl megjelenik.

Kattintson a jobb gombbal a PrintPDF projektre, és válassza a "Tulajdonságok" lehetőséget. Válassza a "Java Build Path" lehetőséget, majd válassza a "Könyvtárak" fület. Kattintson a "Jars hozzáadása" gombra, lépjen az imént létrehozott lib könyvtárba, és adja hozzá a "commons-logging-nn.jar" "fontbox-nn.jar", "jempbox-nn.jar", "log4j-nn.jar" fájlokat. " és "pdfbox-nn.jar." Kattintson az "OK" gombra.

Kattintson jobb gombbal a "PrintPDF" projekt "src" mappájára, és válassza az "Új" és a "Csomag" lehetőséget. Hozzon létre egy csomagot bármilyen értelmes név használatával. Például nevezze el a csomagot „com.pdf.util”. Kattintson a "Befejezés" gombra.

Kattintson a jobb gombbal az imént létrehozott csomag nevére, és válassza az "Új", majd az "Osztály" lehetőséget. Hozzon létre egy osztályt nevű "PDFTextParser." Feltétlenül jelölje be a "nyilvános statikus void fő..." jelölőnégyzetet, hogy a rendszer létrehozza a "fő" módszer.

Szerkessze a "main" metódust a "PDFTextParser" osztályban, hogy az tartalmazza a következő kódot:

public static void main (String args[]){ PDFTextParser pdf = new PDFTextParser("data/javaPDF.pdf") GO //eredmények kinyomtatása System.out.println (pdf.getParsedText()) GO }

Vegye figyelembe, hogy a kinyomtatni kívánt fájl a PDFTextParser konstruktorában van kiírva ("data/JavaPDF.pdf"). Ugyanilyen könnyen lehet parancssori argumentum is:

PDFTextParser pdf = új PDFTextParser (argv[0])

MEGY

vagy grafikus felhasználói felületről van kiválasztva.

Létrehozza a PDFTextParser osztály példányát, majd meghívja a "getParsedText" metódust.

Illessze be a következő kódot közvetlenül az Ön számára létrehozott „public class PDFTextParser” felső osztályú sor alá.

privát PDFParser elemző = null GO

// Szöveg kibontása a PDF-dokumentumból. public PDFTextParser (String fileName) { Fájlfájl = új Fájl (fájlnév)

GO if (!file.isFile()) { System.err.println("A fájl " + fájlnév + " nem létezik.") GO } //PDF-elemző példányának beállítása try { parser = new PDFParser (új FileInputStream (fájl)) GO } catch (IOException e) { System.err.println("Nem lehet megnyitni a PDF-et Elemző. " + e.getMessage()) GO } } // public String getParsedText() { PDDocument pdDoc = null GO COSDocument cosDoc = null;
String parsedText = null; MEGY

próbálkozzon { PDFTextStripper pdfStripper = new PDFTextStripper()

GO parser.parse() GO cosDoc = parser.getDocument() GO pdDoc = új PDDocument (cosDoc) GO

//összes oldal lista lekérése Lista< PDPage> list = pdDoc.getDocumentCatalog().getAllPages()

MEGY

//megjegyzendő, hogy tetszőleges oldalt kinyomtathat //a kezdő- és záróoldal különböző értékeinek kiválasztásával pdfStripper.setStartPage (1); //1-alapú int hossz = list.size(); //oldalak teljes száma pdfStripper.setEndPage (hosszúság); //utolsó oldal //a kijelölt oldalak szövegének lekérése parsedText = pdfStripper.getText (pdDoc)

GO } catch (IOException e) { System.err .println("Kivétel történt a PDF-dokumentum elemzése során." + e.getMessage()) GO } végül { try { if (cosDoc != null) cosDoc.close() GO if (pdDoc != null) pdDoc.close() GO } catch (IOException e) { e.printStackTrace() GO } }
vissza parsedText GO }

Futtassa a programot. Kattintson a jobb gombbal a PDFTextParser osztályra, és kattintson a "Futtatás másként", majd a "Java program" elemre. A programnak futnia kell, és ki kell nyomtatnia a kódban megadott PDF-fájl szöveges tartalmát.

Hozzon létre egy konfigurációs fájlt a Java naplózási rendszer log4j hibaüzenetének letiltásához, amely akkor jön létre, amikor a rendszer nem talál konfigurációs fájlt az indításkor. Kattintson a jobb gombbal a PrintPDF projekt "src" mappájára, és válassza az "Új", majd a "Fájl" lehetőséget. Nevezze el a fájlt "log4j.properties" Az Eclipse egy üres képernyőt jelenít meg az új fájl számára.

Illessze be a következő sorokat a „log4j.properties” fájlt képviselő üres képernyőre.

Mentse el a "log4j.properties" fájlt. Ennek a fájlnak a legfelső szintű "src" könyvtárában való jelenléte elnyomja a log4j indítóüzenetét és a triviális naplózási üzeneteket. A log4j rendszer csak a tényleges hibákat írja ki.

Tipp