> 关注我的公众号：【编程朝花夕拾】，可获取首发内容。 ![](https://p3-xtjj-sign.byteimg.com/tos-cn-i-73owjymdk6/b020ce155b4d4e73a30d0adcccad47ea~tplv-73owjymdk6-jj-mark-v1:0:0:0:0:5o6Y6YeR5oqA5pyv56S-5Yy6IEAgU2ltb25LaW5n:q75.awebp?rk3s=f64ab15b&x-expires=1758184782&x-signature=Hre5e%2F4veFzLGD1zLyovYbRvzWo%3D) ## 01 引言在日常开发中，我们可能会遇到`PDF`的处理，如`PDF`的内容提取、分割、合并等操作。你们都是用什么工具操作的呢？今天介绍一款`Apache`出品的工具`PDFBox`，作为`Apache`基金会开源项目，它以轻量级、高扩展性著称，完美解决`PDF`的解析、生成与操作难题。官网地址： ## 02 核心功能一览 ![](https://p3-xtjj-sign.byteimg.com/tos-cn-i-73owjymdk6/3fc014d7b16443b5b11e2e2793320551~tplv-73owjymdk6-jj-mark-v1:0:0:0:0:5o6Y6YeR5oqA5pyv56S-5Yy6IEAgU2ltb25LaW5n:q75.awebp?rk3s=f64ab15b&x-expires=1758184782&x-signature=4cteh8mzL5iR62%2FkYnDVqYBW7XY%3D) `Apache PDFBox`库是用于处理`PDF`文档的开源 Java 工具。此项目允许创建新的 `PDF` 文档、作现有文档以及从文档中提取内容的能力。`Apache PDFBox `还包括几个命令行实用程序。`Apache PDFBox `在 `Apache `许可证` v2.0` 下发布。 ![](https://p3-xtjj-sign.byteimg.com/tos-cn-i-73owjymdk6/791b2b0686664ba292a26f3f0f1c1a93~tplv-73owjymdk6-jj-mark-v1:0:0:0:0:5o6Y6YeR5oqA5pyv56S-5Yy6IEAgU2ltb25LaW5n:q75.awebp?rk3s=f64ab15b&x-expires=1758184782&x-signature=%2BmSrriPt2hsTmUXzUWXVyMwfJx4%3D) 主要有8个功能： * 从`PDF`文件提取中文本 * `PDF`的合并和分割 * 从`PDF`表单中提取数据，或填充`PDF`表单 * 验证`PDF`否符合`PDF/A-1b`标准 * 使用标准的`Java`打印`API`打印`PDF`文件 * 将`PDF`文件另存为图像格式 * 从零开始创建`PDF`文件，包括嵌入字体和图像 * 对`PDF`文件进行数字签名 ## 03 功能展示 `Apache PDFBox` 主要提供了8个功能，通过演示几个常用的功能，了解一下`Apache PDFBox`的魅力。展示的版本为当期那最新版本`3.0.5`： ```xml org.apache.pdfbox pdfbox 3.0.5 ``` ### 3.1 文本提取文本提取的关键类：`org.apache.pdfbox.text.PDFTextStripper` ```java @Test void test01() throws IOException { try (PDDocument pdDocument = Loader.loadPDF(ResourceUtils.getFile("classpath:pdf/wyc-fp.pdf"))){ PDFTextStripper textStripper = new PDFTextStripper(); String text = textStripper.getText(pdDocument); System.out.println(text); } } ``` 因为`PDDocument`使用完毕之后需要关闭资源，类似`JDK`中的流。这里使用`try-with-resources`自动关闭资源。案例提取了一张网约车发票的信息。 **结果展示** ![](https://p3-xtjj-sign.byteimg.com/tos-cn-i-73owjymdk6/3b3cf5790df145dc9e70675bf6a63f53~tplv-73owjymdk6-jj-mark-v1:0:0:0:0:5o6Y6YeR5oqA5pyv56S-5Yy6IEAgU2ltb25LaW5n:q75.awebp?rk3s=f64ab15b&x-expires=1758184782&x-signature=TaT%2BPk%2F957aBeSbTG26KxrkIxUE%3D) ### 3.2 PDF合并 PDF合并的关键类是：`org.apache.pdfbox.multipdf.PDFMergerUtility` ```java @Test void test02() throws IOException { PDFMergerUtility pdfMerger = new PDFMergerUtility(); pdfMerger.addSource(ResourceUtils.getFile("classpath:pdf/wyc-fp.pdf")); pdfMerger.addSource(ResourceUtils.getFile("classpath:pdf/wyc-fp2.pdf")); // 设置合并后的pdf名称 pdfMerger.setDestinationFileName("merge-fp.pdf"); // pdfMerger.setDestinationStream(new FileOutputStream(file)); pdfMerger.mergeDocuments(MemoryUsageSetting.setupMainMemoryOnly().streamCache); System.out.println("PDF文件合并完成"); } ``` 通过`addSource()`方法，添加要合并的`PDF`资源。然后设置合并后的`PDF`名称，也可以通过`setDestinationStream()`指定合并的`PDF`保存的位置。 **执行结果** 默认保存在项目的根路径下面: ![](https://p3-xtjj-sign.byteimg.com/tos-cn-i-73owjymdk6/0160d6e73e194b858580fee7e805aa89~tplv-73owjymdk6-jj-mark-v1:0:0:0:0:5o6Y6YeR5oqA5pyv56S-5Yy6IEAgU2ltb25LaW5n:q75.awebp?rk3s=f64ab15b&x-expires=1758184782&x-signature=VwE8xBE14R12tcKwoQEcev7xqt4%3D) ### 3.3 提取图像提取`PDF`中图像的关键类：`org.apache.pdfbox.pdmodel.graphics.image.PDImageXObject` ```java @Test void test03() throws Exception { try (PDDocument pdDocument = Loader.loadPDF(ResourceUtils.getFile("classpath:pdf/wyc-fp.pdf"));) { // 获取第一页：因为只有一页 PDPage page = pdDocument.getPage(0); PDResources resources = page.getResources(); Iterable xObjectNames = resources.getXObjectNames(); for (COSName xObjectName : xObjectNames) { // 判断是否包含图片对象 if (resources.isImageXObject(xObjectName)) { PDImageXObject imageObject = (PDImageXObject) resources.getXObject(xObjectName); BufferedImage bImage = imageObject.getImage(); // 将图像保存为 PNG 格式 try (ByteArrayOutputStream baos = new ByteArrayOutputStream()) { // 将图片写入输出流里面 ImageIO.write(bImage, "png", baos); byte[] imageBytes = baos.toByteArray(); String imageFilePath = "image_" + System.currentTimeMillis() + ".png"; try (FileOutputStream fos = new FileOutputStream(imageFilePath)) { fos.write(imageBytes); System.out.println("Page Image path: " + imageFilePath); } } } } } } ``` 通过`resources.getXObject(xObjectName)`获取图像资源，通过`ImageIO.write()`写到输出流里面 **执行结果** ![](https://p3-xtjj-sign.byteimg.com/tos-cn-i-73owjymdk6/cd637aedb4ab4107bbe4d6a41ece3eae~tplv-73owjymdk6-jj-mark-v1:0:0:0:0:5o6Y6YeR5oqA5pyv56S-5Yy6IEAgU2ltb25LaW5n:q75.awebp?rk3s=f64ab15b&x-expires=1758184782&x-signature=Ygq7dewImhUoTBYQ4VANRfqu3q0%3D) 可以看出打印和输出的图片名称和图片。提取出了那些图片呢？ ![](https://p3-xtjj-sign.byteimg.com/tos-cn-i-73owjymdk6/d712cfed3e384ba8bec45d9803d327fb~tplv-73owjymdk6-jj-mark-v1:0:0:0:0:5o6Y6YeR5oqA5pyv56S-5Yy6IEAgU2ltb25LaW5n:q75.awebp?rk3s=f64ab15b&x-expires=1758184782&x-signature=7iCTdHe9CFqCol5swQSprJGFjRM%3D) 这里为了方便截图，将三张图展示在了一起。 ### 3.4 增加签章增加签章的关键类：`org.apache.pdfbox.pdmodel.PDPageContentStream` ```java @Test void test04() throws Exception { PDDocument pdDocument = Loader.loadPDF(ResourceUtils.getFile("classpath:pdf/wyc-fp.pdf")); PDImageXObject pdImage = PDImageXObject.createFromFile("src/main/resources/pdf/apache-logo.jpg", pdDocument); // 设置logo的宽度和高度 float imageWidth = 100; float imageHeight = 100; if (pdDocument != null) { PDPage page = pdDocument.getPage(pdDocument.getNumberOfPages() - 1); float pageWidth = page.getMediaBox().getWidth();; // 计算logo位置：页面右下角 float x = pageWidth - imageWidth - 20; // 右边距20 float y = 20; // 下边距20 // 为最后一页创建一个新的内容流以添加logo try (PDPageContentStream contentStream = new PDPageContentStream(pdDocument, page, PDPageContentStream.AppendMode.APPEND, true, true)) { // 绘制logo图片 contentStream.drawImage(pdImage, x, y, imageWidth, imageHeight); } pdDocument.save("logo_" + System.currentTimeMillis() + ".pdf"); // 保存修改后的PDF } } ``` 这里的签章用的是`Apache`的`logo`。将签章放在右下角。 **执行结果** ![](https://p3-xtjj-sign.byteimg.com/tos-cn-i-73owjymdk6/90e6442c5cd2436e8ad6a0ab774b8595~tplv-73owjymdk6-jj-mark-v1:0:0:0:0:5o6Y6YeR5oqA5pyv56S-5Yy6IEAgU2ltb25LaW5n:q75.awebp?rk3s=f64ab15b&x-expires=1758184782&x-signature=F%2B5ShV4DAeM2fnL1EMfsO9T9sZE%3D) ## 04 避坑指南 ### 4.1 内存泄露的风险用完必须关闭文档对象。推荐`Try-with-resources`： ```java try (PDDocument pdDocument = Loader.loadPDF(file)){ // *** } ``` ### 4.2 版本差异 `2.0.x`与`3.0`存在`API`部分不兼容，如： ```java // 2.0.x 加载文件 PDDocument.load(file) // 3.0 加载文件 Loader.loadPDF(file) ``` ### 4.3 JDK版本要求差异 `2.0.x`与`3.0`对`JDK`版本最低要求不一样 ```sh # 2.0.x 最低要求：JDK1.6 # 3.0 最低要求：JDK1.8 ``` ## 05 小结 `Apache PDFBox`以其简洁的`API`设计和强大的底层能力，成为`Java`开发者处理`PDF`的首选利器。无论是自动化报表生成还是文档分析系统，它都能提供可靠支持。结合本文的代码示例与避坑指南，可快速构建稳健的`PDF`处理流程。本文只是简单的介绍了其部分功能，里面还有很多深藏的功能，等待你去挖掘！