Java 从PDf到字符串

将PDF文件的文本（单词）获取为一个长字符串或字符串数组的最简单方法是什么

---

我试过pdfbox，但对我不起作用

JPedal

和

Multivalent

也在

Java

中提供文本提取，或者您可以在许多较新的PDF上使用

Runtime.exec

PDFBox BARF访问

xpdf

，尤其是那些嵌入PNG图像的PDF

---

使用iText给我留下了深刻的印象。例如，下面的代码片段将提取文本

PdfTextExtractor parser =new PdfTextExtractor(new PdfReader("C:/Text.pdf")); parser.getTextFromPage(3); pdftextractor parser=newpdftextractor（newpdfreader（“C:/Text.pdf”）； parser.getTextFromPage（3）；

---

嗯，我使用Tika从pdf中提取原始文本（它基于PDFBox），但我认为Tika只有在您必须从不同的文件格式中提取文本时才有用（自动检测非常有用）

如果你只想把pdf解析成文本，我建议你 因为它是比其他API（如iText和PDFBox）更好的解析器

使用PDFTextStream，您可以轻松获取结构化文本（页面->块->行->文本单位），并可以提取相关信息，如字符编码、高度、字符在页面中的位置等

例如：

public class ExtractTextAllPages {
    public static void main (String[] args) throws IOException {
        String pdfFilePath = args[0];
        PDFTextStream pdfts = new PDFTextStream(pdfFilePath); 
        StringBuilder text = new StringBuilder(1024);
        pdfts.pipe(new OutputTarget(text));
        pdfts.close();
        System.out.printf("The text extracted from %s is:", pdfFilePath);
        System.out.println(text);
    }
}

---

pdfbox不起作用怎么办？您是否正在寻找替代方案或解决现有问题的方法？我也不喜欢API的设计，我已经快速查看了iText，我认为这是一个更好的选择。API似乎更符合我的需要。