Apache PDFBox 使用教程

2024-09-02 11:48:08作者：凤尚柏Louis

项目介绍

Apache PDFBox 是一个开源的 Java 库，专门用于处理 PDF 文档。它允许用户创建全新的 PDF 文件、编辑现有的 PDF 文档，以及从 PDF 文件中提取内容。PDFBox 提供了丰富的 API，用于创建、渲染、打印、合并、拆分、加密、解密、签名等多种操作 PDF 文件的功能。此外，PDFBox 还包括一个命令行工具，可以用于执行各种 PDF 处理任务。

项目快速启动

环境准备

确保你已经安装了 Java 开发环境（JDK）和一个 IDE（如 IntelliJ IDEA 或 Eclipse）。

添加依赖

如果你使用的是 Maven，可以在 pom.xml 文件中添加以下依赖：

<dependency>
    <groupId>org.apache.pdfbox</groupId>
    <artifactId>pdfbox</artifactId>
    <version>2.0.27</version>
</dependency>

创建 PDF 文件

以下是一个简单的示例代码，展示如何使用 PDFBox 创建一个 PDF 文件并添加文本内容：

import org.apache.pdfbox.pdmodel.PDDocument;
import org.apache.pdfbox.pdmodel.PDPage;
import org.apache.pdfbox.pdmodel.PDPageContentStream;
import org.apache.pdfbox.pdmodel.font.PDType1Font;

public class CreatePDF {
    public static void main(String[] args) {
        try (PDDocument document = new PDDocument()) {
            PDPage page = new PDPage();
            document.addPage(page);

            PDPageContentStream contentStream = new PDPageContentStream(document, page);
            contentStream.setFont(PDType1Font.HELVETICA_BOLD, 12);
            contentStream.beginText();
            contentStream.newLineAtOffset(100, 700);
            contentStream.showText("Hello, PDFBox!");
            contentStream.endText();
            contentStream.close();

            document.save("HelloPDFBox.pdf");
        } catch (Exception e) {
            e.printStackTrace();
        }
    }
}

应用案例和最佳实践

案例一：从 PDF 中提取文本

以下是一个示例代码，展示如何使用 PDFBox 从 PDF 文件中提取文本：

import org.apache.pdfbox.pdmodel.PDDocument;
import org.apache.pdfbox.text.PDFTextStripper;

import java.io.File;

public class ExtractText {
    public static void main(String[] args) {
        try (PDDocument document = PDDocument.load(new File("example.pdf"))) {
            PDFTextStripper stripper = new PDFTextStripper();
            String text = stripper.getText(document);
            System.out.println(text);
        } catch (Exception e) {
            e.printStackTrace();
        }
    }
}

案例二：合并多个 PDF 文件

以下是一个示例代码，展示如何使用 PDFBox 合并多个 PDF 文件：

import org.apache.pdfbox.pdmodel.PDDocument;

import java.io.File;
import java.io.IOException;

public class MergePDFs {
    public static void main(String[] args) {
        try (PDDocument destination = new PDDocument()) {
            File[] files = new File("path/to/pdfs").listFiles();
            for (File file : files) {
                try (PDDocument source = PDDocument.load(file)) {
                    destination.addPages(source.getDocumentCatalog().getAllPages());
                }
            }
            destination.save("merged.pdf");
        } catch (IOException e) {
            e.printStackTrace();
        }
    }
}