星期四，晴

任务

进行技术调研，查找一个方法。

对一个大的PDF文件进行处理，主要是图片格式的。

将这个PDF文件根据数据不同进行拆分，然后将拆分好的文件再分类整理成新的PDF文件。

问题

1.分类的依据是什么，根据什么条件对pdf进行处理

2.整合新的pdf

3.进行解析？

结果：

1.使用PDFBox库

使用BOXPDF对pdf文件进行拆分，合并

可以实现的功能

1. 可以从pdf文件中提取文本信息

提取文字信息

public class ReadPDFExample {
    public static void main(String[] args) {
        // 创建文件对象
        File file = new File("one-more.pdf");
        
        try {
            // 创建 PDF 文档对象
            PDDocument document = PDDocument.load(file);
            
            // 创建 PDF 文本剥离器
            PDFTextStripper stripper = new PDFTextStripper();
            
            // 获取 PDF 文件的全部内容
            String text = stripper.getText(document);
            
            // 输出 PDF 文件的全部内容
            System.out.println(text);
            
            // 关闭 PDF 文档对象
            document.close();
        } catch (IOException e) {
            e.printStackTrace();
        }
    }
}

提取图片信息

public class ReadPDFImagesExample {

    public static void main(String[] args) {
        try {
            // 加载PDF文件
            PDDocument document = PDDocument.load(new File("one-more-jpg.pdf"));

            PDPageTree pageTree = document.getPages();

            // 遍历每个页面
            for (PDPage page : pageTree) {
                int pageNum = pageTree.indexOf(page) + 1;
                int count = 1;
                System.out.println("Page " + pageNum + ":");
                for (COSName xObjectName : page.getResources().getXObjectNames()) {

                    PDXObject pdxObject = page.getResources().getXObject(xObjectName);
                    if (pdxObject instanceof PDImageXObject) {
                        PDImageXObject image = (PDImageXObject) pdxObject;
                        System.out.println("Found image with width "
                                + image.getWidth()
                                + "px and height "
                                + image.getHeight()
                                + "px.");
                        String fileName = "one-more-" + pageNum + "-" + count + ".jpg";
                        ImageIO.write(image.getImage(), "jpg", new File(fileName));
                        count++;
                    }
                }
            }

            document.close();
        } catch (IOException e) {
            e.printStackTrace();
        }
    }
}

2. 将单个PDF文件拆分成多个文件，或将多个PDF文件合并成一个。

public class split {
    public static void main(String[] args) {
        File file = new File("C:/Users/DELL/Desktop/测试.pdf");
        try {
            PDDocument document = PDDocument.load(file);
            Splitter spitter = new Splitter();
            List<PDDocument> pages = spitter.split(document);
            ListIterator<PDDocument> iterator = pages.listIterator();
            int i = 1;
            while (iterator.hasNext()) {
                PDDocument pd = iterator.next();
                pd.save("C:/Users/DELL/Desktop/测试" + i++ + ".pdf");
                pd.close();
            }
            System.out.println("Multiple PDF’s created");
            document.close();
        } catch (IOException e) {
            e.printStackTrace();
        }
    }
}

3. 将PDF文件另存为图像格式，如PNG或JPEG。

4. 从零开始创建PDF文件，包括嵌入字体和图像。

5. 从PDF表单中提取数据，或填写PDF表单。

6. 验证PDF文件是否符合PDF/A-1b标准。

7. 使用标准的Java打印API打印PDF文件。

8. 对PDF文件进行数字签名。

2.itextpdf

图片转pdf工具

3.Free Spire.PDF for Java 2.0.0

链接 付费，免费的有页数限制，10页之内