PDFBox是ASF下一个提供PDF文档操作lib的开源项目。目前PDFBox的最新版本是1.2.1,一下功能主要提供
* PDF to text extraction
* Merge PDF Documents
* PDF Document Encryption/Decryption
* Lucene Search Engine Integration
* Fill in form data FDF and XFDF
* Create a PDF from a text file
* Create images from PDF pages
* Print a PDF
此代码是从PDFBox源码中拷贝出来的示例代码,实现的是提取PDF文件的元数据,不过
该元数据是通过XMP(XMP是 Adobe 公司的可扩展元数据平台Extensible Metadata Platform 的缩写。它是一种创建、处理和交换元数据的标准格式)加入到PDF文档中的。
/*
* Licensed to the Apache Software Foundation (ASF) under one or more
* contributor license agreements. See the NOTICE file distributed with
* this work for additional information regarding copyright ownership.
* The ASF licenses this file to You under the Apache License, Version 2.0
* (the "License"); you may not use this file except in compliance with
* the License. You may obtain a copy of the License at
*
* http://www.apache.org/licenses/LICENSE-2.0
*
* Unless required by applicable law or agreed to in writing, software
* distributed under the License is distributed on an "AS IS" BASIS,
* WITHOUT WARRANTIES OR CONDITIONS OF ANY KIND, either express or implied.
* See the License for the specific language governing permissions and
* limitations under the License.
*/
package org.apache.pdfbox.examples.pdmodel;
import org.apache.pdfbox.exceptions.InvalidPasswordException;
import org.apache.pdfbox.pdfparser.PDFParser;
import org.apache.pdfbox.pdmodel.PDDocument;
import org.apache.pdfbox.pdmodel.PDDocumentCatalog;
import org.apache.pdfbox.pdmodel.PDDocumentInformation;
import org.apache.pdfbox.pdmodel.common.PDMetadata;
import java.io.FileInputStream;
import java.io.IOException;
import java.text.SimpleDateFormat;
import java.util.Calendar;
/**
* This is an example on how to get a documents metadata information.
*
* Usage: java org.apache.pdfbox.examples.pdmodel.PrintDocumentMetaData <input-pdf>
*
* @author <a href="mailto:ben@benlitchfield.com">Ben Litchfield</a>
* @version $Revision: 1.11 $
*/
public class PrintDocumentMetaData
{
/**
* This will print the documents data.
*
* @param args The command line arguments.
*
* @throws Exception If there is an error parsing the document.
*/
public static void main( String[] args ) throws Exception
{
if( args.length != 1 )
{
usage();
}
else
{
PDDocument document = null;
FileInputStream file = null;
try
{
file = new FileInputStream( args[0] );
PDFParser parser = new PDFParser( file );
parser.parse();
document = parser.getPDDocument();
if( document.isEncrypted() )
{
try
{
document.decrypt( "" );
}
catch( InvalidPasswordException e )
{
System.err.println( "Error: Document is encrypted with a password." );
System.exit( 1 );
}
}
PrintDocumentMetaData meta = new PrintDocumentMetaData();
meta.printMetadata( document );
}
finally
{
if( file != null )
{
file.close();
}
if( document != null )
{
document.close();
}
}
}
}
/**
* This will print the usage for this document.
*/
private static void usage()
{
System.err.println( "Usage: java org.apache.pdfbox.examples.pdmodel.PrintDocumentMetaData <input-pdf>" );
}
/**
* This will print the documents data to System.out.
*
* @param document The document to get the metadata from.
*
* @throws IOException If there is an error getting the page count.
*/
public void printMetadata( PDDocument document ) throws IOException
{
PDDocumentInformation info = document.getDocumentInformation();
PDDocumentCatalog cat = document.getDocumentCatalog();
PDMetadata metadata = cat.getMetadata();
System.out.println( "Page Count=" + document.getNumberOfPages() );
System.out.println( "Title=" + info.getTitle() );
System.out.println( "Author=" + info.getAuthor() );
System.out.println( "Subject=" + info.getSubject() );
System.out.println( "Keywords=" + info.getKeywords() );
System.out.println( "Creator=" + info.getCreator() );
System.out.println( "Producer=" + info.getProducer() );
System.out.println( "Creation Date=" + formatDate( info.getCreationDate() ) );
System.out.println( "Modification Date=" + formatDate( info.getModificationDate() ) );
System.out.println( "Trapped=" + info.getTrapped() );
if( metadata != null )
{
System.out.println( "Metadata=" + metadata.getInputStreamAsString() );
}
}
/**
* This will format a date object.
*
* @param date The date to format.
*
* @return A string representation of the date.
*/
private String formatDate( Calendar date )
{
String retval = null;
if( date != null )
{
SimpleDateFormat formatter = new SimpleDateFormat();
retval = formatter.format( date.getTime() );
}
return retval;
}
}
分享到:
相关推荐
Apache PDFBox是一个开源Java库,支持PDF文档的开发和转换。 我们可以使用PDFBox开发可以创建,转换和操作PDF文档的Java程序。PDFBox的主要功能: Extract Text – 使用PDFBox,您可以从PDF文件中提取Unicode文本。 ...
在标题中提到的"pdfbox读取pdf内容",我们将深入探讨如何使用PDFBox来实现这一功能。 首先,我们需要了解PDFBox的基本结构。PDFBox主要由两个核心模块组成,它们是`pdfbox-1.8.2.jar`和`fontbox-1.8.2.jar`。`...
1. **读取PDF文档**:PDFBox可以打开PDF文件,读取其中的文字、图像、元数据等信息。 2. **解析PDF内容**:通过Page、Paragraph、Word等对象,PDFBox能够解析出PDF文档的结构化内容。 3. **提取文本**:开发者可以...
1. **读取PDF**:通过`PDFDocument`类加载PDF文件,并获取页面、元数据、文本和图像等信息。 2. **转换为图像**:使用`PDPageImageExtractor`或`PDFRenderer`类,可以将PDF页面转换为JPEG、PNG等图像格式。 3. **...
这一步是读取PDF文档的基础。 ```java PDDocument pDoc = null; try { pDoc = PDDocument.load(new File("path/to/your/pdf")); } catch (IOException e) { e.printStackTrace(); } ``` #### 3. 获取文档信息 ...
1. **阅读PDF**:通过PDDocument加载PDF文档,然后可以遍历页面、提取文本、获取元数据等。 2. **创建PDF**:使用PDFWriter或PDDocument.addPage()方法,可以创建新的PDF文档,并添加页面。 3. **编辑PDF**:通过...
使用iText的`PdfReader`类,我们可以打开PDF文件,获取其元数据,如作者、创建日期等,同时还能遍历PDF的页面,读取其中的文字、图像和表单数据。以下是一个基本的示例代码,展示如何使用iText的`PdfReader`读取PDF...
6. **PDF元数据处理**:你可以使用PDFBox读取或修改PDF文档的元数据,如Title、Author、Subject等,这有助于管理和组织PDF文档。 7. **安全与权限管理**:PDFBox允许设置用户访问权限,例如禁止复制、打印或编辑...
在“基于pdfbox操作pdf文件的测试”项目中,我们将深入探讨如何使用PDFBox进行PDF文件的操作。 首先,要使用PDFBox,你需要在你的项目中引入Apache PDFBox的依赖。如果你使用的是Maven,可以在pom.xml文件中添加...
同时,PDFBox库还提供了许多高级功能,如图像提取、元数据操作等,可以进一步探索以满足更复杂的PDF处理需求。 请注意,PDFBox库只是众多处理PDF的Java库之一,还有如iText和PDFRenderer等其他选择。选择哪种库取决...
通过实例化这个类并传入PDF文件的路径,你可以访问文档的信息,如元数据、页数等。`PDPage`类用于代表PDF文档中的单个页面,它提供了获取页面内容的方法。如果你需要提取文本,可以使用`PDFTextStripper`或`...
这些库提供了API来解析PDF文档,提取文本和元数据。例如,使用PDFBox,你可以打开PDF文件,遍历其页面,然后从每个页面的文本内容中提取文本。 获取PDF内的图片则更为复杂,因为PDF文件可能包含嵌入的图像或者链接...
- 注释和元数据:PDFBox提供了API来读取和修改PDF文档的注释和元数据。 - PDF签名和验证:PDFBox支持对PDF文档进行数字签名和验证,确保文档未被篡改。 5. 示例代码: ```java import org.apache.pdfbox.pdmodel....
- **JempBox**:用于处理PDF文档的XMP(Extensible Metadata Platform)元数据,使得开发者可以读取、修改和添加文档的元信息。 2. **读取PDF文本** 在示例代码中,`getText()`方法展示了如何从PDF文件中提取文本...
2. **PDF解析**:PDFBox提供了读取和解析PDF文档的能力。通过`PDDocument`类,可以打开PDF文件并访问其中的页面、字体、注释等信息。`PDFTextStripper`类则用于提取文档中的文本内容,便于进行文本分析或搜索。 3. ...
在VB.NET中,将PDF文件读取并显示在网页中是一项常见的需求,这涉及到PDF...实际开发中,还需要根据具体需求调整和优化,如处理PDF元数据、支持交互功能等。同时,保持对PDF处理库的更新和维护,确保兼容性和安全性。
1. **读取PDF文档**:PDFBox提供了丰富的API,可以读取PDF文档中的文本、图像、元数据等信息。通过`PDFDocument`类,你可以打开一个PDF文件并访问其内容。 2. **提取文本和图像**:`PDFTextStripper`类可以帮助...
1. **读取PDF**:PDFBox提供了一套API来解析PDF文档,包括获取文本、图像、元数据等信息。例如,`PDFTextStripper`类可以用来提取PDF文档中的所有文本,这对于文本挖掘或者内容分析非常有用。 2. **创建PDF**:...
1. **文件读取与解析**:PDFBox提供了`PDDocument`类,可以用来加载现有的PDF文件,并对其进行解析,获取文档的基本信息,如版本、元数据、页面数量等。 2. **文本提取**:通过`PDFTextStripper`类,开发者可以方便...