`

PDFBox读取PDF文档元数据

阅读更多
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;
    }
}
2
3
分享到:
评论

相关推荐

    【Java】基于Pdfbox解析PDF文档中指定位置的文字和图片

    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。 ...

    pdfbox读取pdf内容

    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`。`...

    pdfbox.jar包,fontbox.jar包,读取pdf文档

    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...

    pdfbox和pdfrenderer所需包

    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. **...

    java读取pdf文件属性

    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 ...

    PDFBox PDF处理类库 v3.0.0 alpha2.zip

    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...

    用Java读取pdf中的数据

    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...

    pdfbox java解析pdf文档jar包+源代码+帮助文档+example

    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...

    基于pdfbox操作pdf文件的测试

    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...

    Java 读取PDF文件

    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...

    读取pdf的控件 PDFBox

    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`...

    .NET生成PDF 读取PDF文本内容 获取PDF内图片

    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...

    pdfbox所需jar包

    - 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....

    java使用pdfbox操作pdf文件示例

    - **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...

    PDFBox PDF处理类库 v1.8.16.zip

    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. ...

    vb.net 读取pdf 并写入网页

    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。

    PDFBox源文件和帮助文档+jar包0.7.3

    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...

    PDFBox源码和帮助文档

    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**:...

    java读取PDF文件需要的包

    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...

Global site tag (gtag.js) - Google Analytics