从 PDF 读取并在控制台上显示答案

【问题标题】：Read from PDF and display on console从 PDF 读取并在控制台上显示
【发布时间】：2014-10-30 09:12:00
【问题描述】：

我尝试读取 PDF 文件并将其显示在控制台上，但它显示了一些奇怪的字符，不确定它是什么。我需要读取 PDF 文件并将其显示在控制台上。这是我的代码

public class JavaApplication14 {
    public static void main(String[] args) throws FileNotFoundException, IOException {
        FileReader fr = new FileReader("F:\\abc.pdf");
        char[] temp = new char[10000];
        fr.read(temp);

       System.out.println(temp); 

    }

}

【问题讨论】：

程序的输出应该是什么？
来自文档：FileReader is meant for reading streams of characters。 Pdf 文件是二进制文件，因此您不能期望以这种方式阅读它们。
当您以这种方式打开视频文件时，您是否希望字幕作为 println() 的参数出现？

标签： java file pdf io

【解决方案1】：

您需要使用库来正确阅读 PDF 文档。 iText 和 PDFBox 是示例。

奇怪的输出是因为内容是二进制的：它还包含字体、图像、颜色、元数据...

【讨论】：

在 PDFBox 中，查找 PDFTextStripper。 pdfbox.apache.org/cookbook/textextraction.html

【解决方案2】：

对于这个示例，您将需要 itextpdf 库。只需下载它并将其放入项目的 lib 文件夹中即可。

public class GetPDFContent {

    public static String reader(String filename) throws IOException {
        PdfReader reader = new PdfReader(filename);

        pageNum = reader.getNumberOfPages();
        for (int i=1; i< pageNum; i++) {
           String page = PdfTextExtractor.getTextFromPage(reader, i);
           System.out.println(page);
        }       
    }
}

【讨论】：