從pdf中檢索特定部分的數據

Question

我需要從pdf文件中檢索一些與關鍵字相關的數據。這些是關鍵字：標題，pdf的範圍，誰提出了pdf，版本，摘要，狀態，監管機構。

有什麼工具可以從pdf中檢索數據嗎？ 由於提前

Answer 1

考慮從PDF Apache PDFBox

提取文本，然後分析它來得到你想要的信息。這是免費的。

另外還有另一個工具，iText但如果您正在從事商業項目，則需要在iText上購買許可證。

Answer 2

你可以使用PDFBox from Apache，說實話我從來沒有用過它，但在論壇上看了很多。

其他替代方案可以是iText或JPedal。

如果您有興趣可以嘗試一下，但我相信在PDFBox中您將能夠滿足您的要求。

感謝

Answer 3

使用PDFBOX

public class PDFTextReader 
{ 
    static String pdftoText(String fileName) { 
     PDFParser parser; 
     String parsedText = null; 
     PDFTextStripper pdfStripper = null; 
     PDDocument pdDoc = null; 
     COSDocument cosDoc = null; 
     File file = new File(fileName); 
     if (!file.isFile()) { 
      System.err.println("File " + fileName + " does not exist."); 
      return null; 
     } 
     try { 
      parser = new PDFParser(new FileInputStream(file)); 
     } catch (IOException e) { 
      System.err.println("Unable to open PDF Parser. " + e.getMessage()); 
      return null; 
     } 
     try { 
      parser.parse(); 
      cosDoc = parser.getDocument(); 
      pdfStripper = new PDFTextStripper(); 
      pdDoc = new PDDocument(cosDoc); 
      // pdfStripper.setParagraphStart(FIND_START_VALUE); 
      // pdfStripper.setParagraphEnd("FIND_END_VALUE); 
      parsedText = pdfStripper.getText(pdDoc); 
     } catch (Exception e) { 
      System.err 
        .println("An exception occured in parsing the PDF Document." 
          + e.getMessage()); 
     } finally { 
      try { 
       if (cosDoc != null) 
        cosDoc.close(); 
       if (pdDoc != null) 
        pdDoc.close(); 
      } catch (Exception e) { 
       e.printStackTrace(); 
      } 
     } 
     return parsedText; 
    } 
    public static void main(String args[]){ 

     System.out.println(pdftoText(FILEPATH)); 
    } 
} 

這裏我想這提取部分。這可能會幫助你。