在Java中将PDF转换为Word

可以用Java将PDF转换为Word吗？我不是说解析PDF文档，然后将其再次自定义呈现给Word。我想要一个可以直接转换的Java库。

阅读PDF文档是一个非常复杂的过程，没有好的免费库可以在Java中从PDF文档中提取非文本信息。更糟糕的是，PDF文档有很多难以重建的布局信息，例如Word文档中的表格变成了PDF中的一些行和一堆文本。

几乎不可能从任意PDF重新创建语义信息。如果你有写它的相同工具，你会有更多的机会，但即使如此，也有很多不确定性。在（文本）PDF中唯一可以确定的是每个字符在页面上的位置。（请注意，某些PDF包含出现文本信息且必须依赖OCR的位图）

在计算机科学系和其他地方，有几个小组正在花费大量的精力尝试获取语义信息。我们与宾夕法尼亚州立大学（Penn State）——领导者之一——合作，他们正在提取表格。在好的情况下，他们得到90%，在坏的50%

因此，正式的答案是你不能，但你可能偶尔会很幸运。（我们在化学方面做了很多这方面的工作，如果我们定期得到50%的回报，我们算是幸运的）

您可以尝试使用iText库执行此操作。阅读PDF，然后以RTF格式编写。
但这并不是那么简单，因为您必须保留PDF的不同样式

您可以使用一些外部工具。
安装一些免费程序，如“free PDF to Doc”，并从java程序中执行它。
这在大多数情况下都很有效

使用java代码中的Acrobat Pro SDK

---

祝你好运

“许多难以重建的布局信息”是误导性的。没有布局信息。PDF中的所有内容都是绝对定位的。没有表格这种东西，它只是行、字符（“glyphs”）和一些位图。见鬼，“文本”也可以是行。我的评论有一个例外：在PDF中有一种叫做“标记内容”的东西是可选的。当它存在时，它可以标记表格、段落等，但是没有标准的方法写出可靠的PDF->N格式转换所需的详细信息。PDF几乎是一种只写格式。尝试过一些PDF重建后，PDF中有一些视觉布局信息，但没有真正的结构化信息。我同意你的观点，将PDF转换成任何非图像都是非常困难的。我从来没有理解过这一点……只需保留原始文档即可。@我敢肯定，有时可能有必要这样做，但实际上，PDF的整个要点是一个最终确定的、不可编辑的文档<代码>@kcopock。这是当你需要从别人的文件中获取信息时。例如，我需要科学文献中的数据。尽管出版商有XML，但他们通常拒绝提供，因此我们必须尝试从PDF中提取。在许多情况下，人们必须重新键入内容或重新绘制图表。我可以理解，但同时，这通常意味着出版商不希望您使用内容。@kcopock。我以挑战这一观点而闻名于科学界，但Stackoverflow并不是讨论它的最佳场所！然而，在很多情况下，这样做是合法的。和其他人一样，我认为你不会有太多的运气。如果您可以控制生成PDF的系统，那么您可以让它在生成时生成多种格式（您还没有说PDF来自何处）。这是一个选项吗？我听说你想“直接”完成它，但是在没有单个（开源？）库的情况下，你可以尝试使用docx4j提取并创建docx。YMMV:Google pdfbox“段落边界分割”