從PDF文件中提取文本和圖像

Question

我一直在用這個軟件撞牆，已經研究過，而且幾乎已經嘗試了每個向我建議的庫。我目前正在嘗試用java編寫一個程序，它將從pdf文件中提取文本和圖像，並允許我將提取的內容寫入一個word文件。我設法使用ICEpdf庫提取內容，但問題是我需要能夠按照與讀取內容完全相同的順序編寫內容。因此，爲了澄清，我需要一個圖書館來幫助我跟蹤文本和圖像的位置，以便我可以將它們放在我的文檔中的相同位置。

Answer 1

PDF to Word轉換器是一個非常複雜的命題。

你最好打賭可能會使用Open Office爲你做，甚至不嘗試處理中間步驟。

http://www.openoffice.org/api/

Answer 2

看看這個：Advanced PDF parser for Java

OFF：

- 也據我所知，是八九不離十轉換PDF到HTML（這樣你可以跟蹤的一個python解析器在pdf中對象的排序）。我知道它不是Java，但你可能能夠使用輸出。 http://www.unixuser.org/~euske/python/pdfminer/index.html