在上一章中，无涯教程了解了如何在现有的PDF文档中添加文本。在本章中将讨论如何从现有的PDF文档中读取文本。
提取文本是PDF框库的主要功能之一。您可以使用 PDFTextStripper 类的 getText()方法提取文本。此类从给定的PDF文档中提取所有文本。
以下是从现有PDF文档提取文本的步骤。
步骤1 - 加载现有文档
使用 PDDocument 类的静态方法 load()加载现有的PDF文档。该方法接受文件对象作为参数，因为这是一个静态方法，因此您可以使用类名调用它，如下所示。
File file=new File("path of the document") PDDocument document=PDDocument.load(file);
步骤2 - 实例化类
PDFTextStripper 类提供了从PDF文档中检索文本的方法，因此，如下所示实例化该类。
PDFTextStripper pdfStripper=new PDFTextStripper();
步骤3 - 读取文字
您可以使用 PDFTextStripper 类的 getText()方法从PDF文档中读取/检索页面的内容。对于此方法，您需要将文档对象作为参数传递。此方法检索给定文档中的文本，并以String对象的形式返回。
String text=pdfStripper.getText(document);
步骤4 - 关闭文档
最后，使用PDDocument类的 close()方法关闭文档，如下所示。
document.close();
完整示例
假设无涯教程有一个PDF文档，其中包含一些文本，如下所示。
本示例演示了如何从上述PDF文档中读取文本。在这里，将创建一个Java程序并加载一个名为new.pdf的PDF文档，该文档保存在路径C:/ PdfBox_Examples /中。将此代码保存在名为ReadingText.java的文件中。
import java.io.File;
import java.io.IOException;
import org.apache.pdfbox.pdmodel.PDDocument;
import org.apache.pdfbox.text.PDFTextStripper;
public class ReadingText {
public static void main(String args[]) throws IOException {
</span><span class="com">//加载现有文档</span><span class="pln">
</span><span class="typ">File</span><span class="pln"> file </span><span class="pun">=</span><span class="pln"> </span><span class="kwd">new</span><span class="pln"> </span><span class="typ">File</span><span class="pun">(</span><span class="str">"C:/PdfBox_Examples/new.pdf"</span><span class="pun">);</span><span class="pln">
</span><span class="typ">PDDocument</span><span class="pln"> document </span><span class="pun">=</span><span class="pln"> </span><span class="typ">PDDocument</span><span class="pun">.</span><span class="pln">load</span><span class="pun">(</span><span class="pln">file</span><span class="pun">);</span><span class="pln">
</span><span class="com">//实例化PDFTextStropper类</span><span class="pln">
</span><span class="typ">PDFTextStripper</span><span class="pln"> pdfStripper </span><span class="pun">=</span><span class="pln"> </span><span class="kwd">new</span><span class="pln"> </span><span class="typ">PDFTextStripper</span><span class="pun">();</span><span class="pln">
</span><span class="com">//从PDF文档中检索文本</span><span class="pln">
</span><span class="typ">String</span><span class="pln"> text </span><span class="pun">=</span><span class="pln"> pdfStripper</span><span class="pun">.</span><span class="pln">getText</span><span class="pun">(</span><span class="pln">document</span><span class="pun">);</span><span class="pln">
</span><span class="typ">System</span><span class="pun">.</span><span class="kwd">out</span><span class="pun">.</span><span class="pln">println</span><span class="pun">(</span><span class="pln">text</span><span class="pun">);</span><span class="pln">
</span><span class="com">//关闭文件</span><span class="pln">
document</span><span class="pun">.</span><span class="pln">close</span><span class="pun">();</span><span class="pln">
}
}
使用以下命令从命令提示符处编译并执行保存的Java文件。
javac ReadingText.java java ReadingText
执行后，上述程序将从给定的PDF文档中检索文本并显示如下所示。
This is an example of adding text to a page in the pdf document. we can add as many lines as we want like this using the ShowText() method of the ContentStream class.
