Apache PDFBox 使用教程

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();
        }
    }
}

典型生态项目

1. iText

iText 是另一个流行的开源 Java PDF 库，提供了丰富的 PDF 操作功能，包括文本、表格、图像、水印、数字签名等。虽然与 PDFBox 功能相似，但 iText 在某些高级功能上更为强大。

2. Apache FOP

Apache FOP（Formatting Objects Processor）是一个基于 XSL-FO（Extensible