從PDF中提取文本（谷歌應用程序引擎）

是否有任何免費的Java庫用於從PDF中提取文本，這與Google Application Engine兼容？從PDF中提取文本（谷歌應用程序引擎）

我已閱讀PDFJet，但它無法閱讀PDF，可以嗎？

有沒有其他方法可以從PDF中提取文本？我試過http://www.pdfdownload.org/，不幸的是他們不能正確處理非英文字符。

2010-03-27 Miroslav Bajtoš

iText現在有一個文本解析模塊（我是解析器作者之一）。有關如何使用它的示例，請參閱com.itextpdf.text.pdf.parser.PdfContentReaderTool類。

2010-03-27 22:15:23

iText使用GAE上不可用的某些類（如java.awt.AffineTransform）。有關詳情，請參閱此頁面：http://groups.google.com/group/google-appengine-java/web/will-it-play-in-app-engine – 2010-03-29 06:07:10

嗯。解析器庫當然不使用AffineTransform（我實際上爲解析器實現了我自己的矩陣轉換）。我知道iText *在生成PDF文件時支持*仿射變換，但我懷疑它是解析所必需的。發佈給你帶來問題的類和方法，這與應用引擎一起使用，我會看看。 – 2010-03-30 03:06:04

我剛剛在GAE環境下成功使用了iText =） – rsalmeidafl 2011-03-17 20:33:49

我知道有http://pdfbox.apache.org/index.html

的Apache PDFBox的是與PDF文檔工作一個開源的Java PDF庫。此項目允許創建新的PDF文檔，操縱現有文檔和從文件中提取內容的能力。

但我從未測試過它。

來源

2010-03-27 20:42:05 Pierre

PdfBox不能在GAE上運行。它使用不允許的Java類。
（GAE只允許這些http://code.google.com/appengine/docs/java/jrewhitelist.html）

我已經部分修改一個很老的版本PDFBOX（0.7.3）的是GAE complaiant。現在我可以從PDF中提取文本（整個頁面或矩形區域）。我只修改了pdf文本抽取的最小部分，而不是整個PdfBox。 :)
這個想法是去除對java.awt.retangle的返回C.使用我自己的「矩形」類。

來源

2010-04-16 13:48:27

-1

上個月，我剛剛完成我的項目中提取PDF文件的文本。我使用XPDF工具獲取文本和文本座標，但是我在Xcode（Objective-C）中使用了它。這個工具是開源的，由C++編寫，並且能夠用多種語言編碼。但是，我不知道XPdf是否適用於您的Java，或者不是。無論如何，你可以嘗試這個工具。

來源

2011-02-02 04:30:23 user599433

我修改了最新的（1.8.0-快照）版本以在Google AppEngine上運行。不得不禁用一個單元測試，但它對於簡單的文本提取運行良好。

繼簡單的嘗試失敗修復方法後，我不得不修改5個文件。很可愛。

你還必須明確地使用RandomAccessBuffer，就像Fabrizio解釋的那樣。

對於額外的懶惰，繼承人編譯的jar，文本提取依賴關係和補丁。請注意，它可能不適用於每個用例（即基於矩形的提取）。用它來提取整個頁面的文本。 https://docs.google.com/folder/d/0B53n_gP2oU6iVjhOOVBNZHk0a0E/edit

來源

2012-09-09 19:33:14 icyerasor

我正在使用[this]（http://stackoverflow.com/問題/ 4955635 /如何添加本地jar文件在maven項目/ 36602256＃36602256）（Anthony O.答案）問題，以添加jar文件在我的項目。應該將所有jar文件（包括依賴關係）添加到相同的目錄嗎？ – dina 2017-02-07 12:46:24

是的。或者更好..通過常規maven-pom作爲依賴關係獲得「最近」版本的commons logging和fontbox，並嘗試它是否工作。 – icyerasor 2017-02-07 17:20:19

謝謝！非常有用！最後我可以在GAE上解析pdf – dina 2017-02-08 11:27:32

從PDF中提取文本（谷歌應用程序引擎）

回答

相關問題