使用java对文本进行Pdf解析

我也有同样的问题，从pdf文件中提取阿拉伯文本， 如果找到解决方案，有人能帮忙吗？？？

---

我曾多次尝试使用pdfbox，但都没有结果。

从PDF中提取文本时，可能会出现一些问题：

PDF是加密的。在这种情况下，您需要密码来提取数据。 PDF作为一种格式，实际上并不意味着要提取文本。所以pdfbox通常试图识别彼此靠近的字符，并将它们组合成单词。正如你可以想象的那样，这很容易出错。

---

查看更多信息。

您的程序是否需要直接从pdf中提取文本？如果没有，你可以使用ocr将pdf转换成文本，然后从txt文件中读取。我也有同样的问题。。到底是什么问题？我用PDFBox提取文本的效果很好。通常比库更好，但是许多PDF没有以合理的线性方式存储文本，这使得无法从中自动提取可读文本。但是我没有阿拉伯语的经验。您确定您拥有的文本实际上是文本，而不是嵌入在PDF中的图像吗？