この簡単なチュートリアルでは、JavaでPDFファイルを読み取る方法について説明します。これには、** PDFファイルを読み取るためのJavaコード**が含まれています。最初に、JavaのPDFからテキストを文字列に読み取り、次にPDFファイルからすべての画像をフェッチしてディスクにJPG。 JavaでPDFを読み取るためにサードパーティのツールをインストールする必要はありません。
JavaでPDFファイルを読み取る手順
- PDFファイルを読み取るためにMavenリポジトリーを使用して、プロジェクトにAspose.PDFを構成します
- サンプルPDFファイルをDocumentクラスオブジェクトにロードします
- PDFファイルからテキスト全体を読み取ることができるTextAbsorberクラスオブジェクトをインスタンス化します
- TextAbsorberクラスオブジェクトを使用して、ロードされたファイルからPDFテキストを読み取ります
- PDFファイルから読み取ったテキスト全体をコンソールに表示します
- 画像にアクセスするためにPDFファイルのすべてのページを繰り返し処理します
- 各ページの画像コレクションのすべての画像を解析し、ディスクに保存します
この簡単なステップバイステップのチュートリアルでは、最初にターゲットPDFファイルをロードしてから、PDF内のすべてのページでテキストを検索できるTextAbsorberクラスオブジェクトを開始します。このテキスト全体は、要件に従って表示または処理できる文字列に返されます。同様に、画像コレクション内のすべての画像を解析し、このチュートリアルでJPGとして保存したので、任意の形式でディスクに保存できます。
Javaを使用してPDFを読み取るコード
| import com.aspose.pdf.License; | |
| import com.aspose.pdf.Document; | |
| import com.aspose.pdf.Page; | |
| import com.aspose.pdf.TextAbsorber; | |
| import com.aspose.pdf.XImage; | |
| public class HowToReadPDFFileInJava { | |
| public static void main(String[] args) throws Exception {//main() function for HowToReadPDFFileInJava | |
| // Instantiate the license to remove trial version restrictions while reading the PDF file | |
| License license = new License(); | |
| license.setLicense("Aspose.PDF.lic"); | |
| // Load the PDF file from which text and images are to be read | |
| Document pdf = new Document("Input.pdf"); | |
| // 1. Read entire text from the PDF file | |
| // Instantiate a TextAbsorber Class object to read Text from PDF file | |
| TextAbsorber textAbsorberObject = new TextAbsorber(); | |
| // Call PageCollection.accept() method to let TextAbsorber find text in PDF Pages | |
| pdf.getPages().accept(textAbsorberObject); | |
| // Write the extracted text from the sample PDF to console | |
| System.out.println(textAbsorberObject.getText()); | |
| // 2. Extract images from PDF file | |
| int imageCount = 1; | |
| // Iterate through all the PDF pages to access images collection and save them on the disc | |
| for (Page pdfPage : pdf.getPages()) | |
| { | |
| // Iterate through images collection in the PDF file | |
| for (XImage image : pdfPage.getResources().getImages()) | |
| { | |
| java.io.FileOutputStream outputImageFromPdfFile = new java.io.FileOutputStream(pdfPage.getNumber() + "-"+ imageCount+"-output.jpg"); | |
| // Save each image in the PDF file images collection to a JPG file | |
| image.save(outputImageFromPdfFile); | |
| outputImageFromPdfFile.close(); | |
| imageCount++; | |
| } | |
| // Reset image index | |
| imageCount = 1; | |
| } | |
| } | |
| } |
このサンプルコードでは、Page.getResources（）のTextAbsorberクラスとgetImages（）関数を使用して、Javaを使用してPDFを読み取ります。 TextAbsorberオブジェクトは、PDFPageCollectionのaccept関数によってテキストを読み取るために使用されます。一方、getResources（）コレクションのgetImages（）関数は、ページ上のすべての画像を返します。
JavaでPDFを読み取るためのこれらの手順は、Windows、Linux、macOSなどの任意のオペレーティングシステムで実行できることに注意してください。 PDFファイルの操作について詳しく知りたい場合は、Javaを使用してPDFでブックマークを読み取る方法の記事を参照してください。
