Java 使用PDFBox读取PDF文件的前N个字符

我编写了以下函数，jut使用PDFBox工具以PDF格式打印文本：

private String readFirstNChars(int N) { // N has not been used
    PDFTextStripper pdfTextStripper = null;
    PDDocument pdDocument = null;
    COSDocument cosDocument = null;
    File currentFile = this.pdfFile;

    try {
        PDFParser parser = new PDFParser(new RandomAccessBufferedFileInputStream(currentFile));
        parser.parse();
        cosDocument = parser.getDocument();
        pdfTextStripper = new PDFTextStripper();
        pdDocument = new PDDocument(cosDocument);
        pdfTextStripper.setStartPage(1);
        pdfTextStripper.setEndPage(1);
        String parsedText = pdfTextStripper.getText(pdDocument);
        return parsedText;
    } catch (IOException e) {
        e.printStackTrace();
        return null;
    }
}

---

我想先打印

N

字符的

parsedText

，然后我想知道我能读的文件是否很大，这种方法没有任何意义，即将整个文本加载到内存中，然后首先获取

N

字符。是否有一种方法可以从PDF中只读

N

字符？

您可能需要PDFParser的源代码，以便编写适当的方法或编写自己的方法。PDF不仅仅是可读文本，因此基本上您需要解析文档，丢弃不可读文本，然后对找到的实际文本进行计数。

您可能需要PDFParser的源代码，以便编写适当的方法或编写自己的方法。PDF不仅仅是可读的文本，因此本质上你需要解析文档，丢弃不可读的文本，然后统计你找到的实际文本。

PDF不是HTML。PDFBox读取整个PDF以对其进行解析。@Tilmahausherr是对的，PDFBox首先将整个PDF读取到内存中，内存比要提取的文本要多（可能相当多）。但是您仍然可以防止代码做不必要的工作，例如，只阅读第一页的文本

PDFTextStripper

有一些方法可以将文本提取限制在页面范围内。我本来想只阅读第一页，但不确定。感谢您确保.PDF不是HTML。PDFBox读取整个PDF以对其进行解析。@Tilmahausherr是对的，PDFBox首先将整个PDF读取到内存中，内存比要提取的文本要多（可能相当多）。但是您仍然可以防止代码做不必要的工作，例如，只阅读第一页的文本

PDFTextStripper

有一些方法可以将文本提取限制在页面范围内。我本来想只阅读第一页，但不确定。谢谢你的保证。