JAVA代码PDFBOX对pdf文件的操作

PDFBox是Java实现的PDF文档协作类库，提供PDF文档的创建、处理以及文档内容提取功能，也包含了一些命令行实用工具。其主要特性包括： 
1、提取PDF文件的Unicode文本 
2、将PDF切分成多个PDF文件或合并多个PDF文件 
3、从PDF表格中提取数据或填写PDF表格 
4、验证PDF文件是否符合PDF/A-1b标准 
5、使用标准的java API打印PDF文件 
6、将PDF文件保存为图像文件，如PNG、JPEG 
7、创建一个PDF文件，包含嵌入的字体和图像 
8、PDF文件进行数字签名，即对PDF 文档进行加密与解密

import java.io.FileInputStream;import java.io.FileNotFoundException;import java.io.FileOutputStream;import java.io.IOException;import java.io.OutputStreamWriter;import java.io.Writer;import java.text.SimpleDateFormat;import java.util.Calendar;import java.util.List;import java.util.Map;import java.util.logging.Level;import java.util.logging.Logger;import org.apache.pdfbox.pdfparser.PDFParser;import org.apache.pdfbox.pdmodel.PDDocument;import org.apache.pdfbox.pdmodel.PDDocumentCatalog;import org.apache.pdfbox.pdmodel.PDDocumentInformation;import org.apache.pdfbox.pdmodel.PDPage;import org.apache.pdfbox.pdmodel.PDResources;import org.apache.pdfbox.pdmodel.graphics.xobject.PDXObjectImage;import org.apache.pdfbox.pdmodel.interactive.documentnavigation.outline.PDDocumentOutline;import org.apache.pdfbox.pdmodel.interactive.documentnavigation.outline.PDOutlineItem;import org.apache.pdfbox.util.PDFTextStripper;importstatic readPDFContent.PDFParse.dateFormat;/** * * @author Angela */publicclassPDFReader {/**      * 获取格式化后的时间信息      * @param calendar   时间信息      * @return     */publicstatic String dateFormat( Calendar calendar ){          if( null == calendar )              returnnull;          String date = null;            String pattern = "yyyy-MM-dd HH:mm:ss";          SimpleDateFormat format = new SimpleDateFormat( pattern );          date = format.format( calendar.getTime() );          return date == null ? "" : date;      }          /**打印纲要**/publicstaticvoidgetPDFOutline(String file){        try {              //打开pdf文件流            FileInputStream fis = new   FileInputStream(file);            //加载 pdf 文档,获取PDDocument文档对象            PDDocument document=PDDocument.load(fis);            //获取PDDocumentCatalog文档目录对象            PDDocumentCatalog catalog=document.getDocumentCatalog();            //获取PDDocumentOutline文档纲要对象            PDDocumentOutline outline=catalog.getDocumentOutline();            //获取第一个纲要条目（标题1）            PDOutlineItem item=outline.getFirstChild();            if(outline!=null){                //遍历每一个标题1while(item!=null){                    //打印标题1的文本                    System.out.println("Item:"+item.getTitle());                    //获取标题1下的第一个子标题（标题2）                    PDOutlineItem child=item.getFirstChild();                     //遍历每一个标题2while(child!=null){                        //打印标题2的文本                        System.out.println("    Child:"+child.getTitle());                        //指向下一个标题2                        child=child.getNextSibling();                    }                    //指向下一个标题1                    item=item.getNextSibling();                }            }            //关闭输入流            document.close();            fis.close();        } catch (FileNotFoundException ex) {            Logger.getLogger(PDFBOXReader.class.getName()).log(Level.SEVERE, null, ex);        } catch (IOException ex) {            Logger.getLogger(PDFBOXReader.class.getName()).log(Level.SEVERE, null, ex);        }     }    /**打印一级目录**/publicstaticvoidgetPDFCatalog(String file){        try {              //打开pdf文件流            FileInputStream fis = new   FileInputStream(file);            //加载 pdf 文档,获取PDDocument文档对象            PDDocument document=PDDocument.load(fis);            //获取PDDocumentCatalog文档目录对象            PDDocumentCatalog catalog=document.getDocumentCatalog();            //获取PDDocumentOutline文档纲要对象            PDDocumentOutline outline=catalog.getDocumentOutline();            //获取第一个纲要条目（标题1）if(outline!=null){                PDOutlineItem item=outline.getFirstChild();                //遍历每一个标题1while(item!=null){                    //打印标题1的文本                    System.out.println("Item:"+item.getTitle());                                   //指向下一个标题1                    item=item.getNextSibling();                }            }            //关闭输入流            document.close();            fis.close();        } catch (FileNotFoundException ex) {            Logger.getLogger(PDFBOXReader.class.getName()).log(Level.SEVERE, null, ex);        } catch (IOException ex) {            Logger.getLogger(PDFBOXReader.class.getName()).log(Level.SEVERE, null, ex);        }     }    /**获取PDF文档元数据**/publicstaticvoidgetPDFInformation(String file){        try {              //打开pdf文件流            FileInputStream fis = new   FileInputStream(file);            //加载 pdf 文档,获取PDDocument文档对象            PDDocument document=PDDocument.load(fis);            /** 文档属性信息 **/            PDDocumentInformation info = document.getDocumentInformation();             System.out.println("页数:"+document.getNumberOfPages());            System.out.println( "标题:" + info.getTitle() );              System.out.println( "主题:" + info.getSubject() );              System.out.println( "作者:" + info.getAuthor() );              System.out.println( "关键字:" + info.getKeywords() );                         System.out.println( "应用程序:" + info.getCreator() );              System.out.println( "pdf 制作程序:" + info.getProducer() );              System.out.println( "Trapped:" + info.getTrapped() );              System.out.println( "创建时间:" + dateFormat( info.getCreationDate() ));              System.out.println( "修改时间:" + dateFormat( info.getModificationDate()));              //关闭输入流            document.close();            fis.close();        } catch (FileNotFoundException ex) {            Logger.getLogger(PDFReader.class.getName()).log(Level.SEVERE, null, ex);        } catch (IOException ex) {            Logger.getLogger(PDFReader.class.getName()).log(Level.SEVERE, null, ex);        }     }    /**提取pdf文本**/publicstaticvoidextractTXT(String file){        try{            //打开pdf文件流            FileInputStream fis = new   FileInputStream(file);            //实例化一个PDF解析器            PDFParser parser = new PDFParser(fis);            //解析pdf文档            parser.parse();            //获取PDDocument文档对象            PDDocument document=parser.getPDDocument();            //获取一个PDFTextStripper文本剥离对象                       PDFTextStripper stripper = new PDFTextStripper();            //获取文本内容            String content = stripper.getText(document);             //打印内容            System.out.println( "内容:" + content );               document.close();            fis.close();        } catch (FileNotFoundException ex) {            Logger.getLogger(PDFReader.class.getName()).log(Level.SEVERE, null, ex);        } catch (IOException ex) {            Logger.getLogger(PDFReader.class.getName()).log(Level.SEVERE, null, ex);        }    }    /**     * 提取部分页面文本     * @param file pdf文档路径     * @param startPage 开始页数     * @param endPage 结束页数     */publicstaticvoidextractTXT(String file,int startPage,int endPage){        try{            //打开pdf文件流            FileInputStream fis = new   FileInputStream(file);            //实例化一个PDF解析器            PDFParser parser = new PDFParser(fis);            //解析pdf文档            parser.parse();            //获取PDDocument文档对象            PDDocument document=parser.getPDDocument();            //获取一个PDFTextStripper文本剥离对象                       PDFTextStripper stripper = new PDFTextStripper();            // 设置起始页            stripper.setStartPage(startPage);            // 设置结束页            stripper.setEndPage(endPage);            //获取文本内容            String content = stripper.getText(document);             //打印内容            System.out.println( "内容:" + content );               document.close();            fis.close();        } catch (FileNotFoundException ex) {            Logger.getLogger(PDFReader.class.getName()).log(Level.SEVERE, null, ex);        } catch (IOException ex) {            Logger.getLogger(PDFReader.class.getName()).log(Level.SEVERE, null, ex);        }    }    /**     * 提取图片并保存     * @param file PDF文档路径     * @param imgSavePath 图片保存路径     */publicstaticvoidextractImage(String file,String imgSavePath){        try{            //打开pdf文件流            FileInputStream fis = new   FileInputStream(file);            //加载 pdf 文档,获取PDDocument文档对象            PDDocument document=PDDocument.load(fis);                       /** 文档页面信息 **///获取PDDocumentCatalog文档目录对象            PDDocumentCatalog catalog = document.getDocumentCatalog();            //获取文档页面PDPage列表            List pages = catalog.getAllPages();              int count = 1;              int pageNum=pages.size();   //文档页数//遍历每一页for( int i = 0; i < pageNum; i++ ){                  //取得第i页                PDPage page = ( PDPage ) pages.get( i );                 if( null != page ){                      PDResources resource = page.findResources();                                          //获取页面图片信息                     Map<String,PDXObjectImage> imgs = resource.getImages();                                        for(Map.Entry<String,PDXObjectImage> me: imgs.entrySet()){                        //System.out.println(me.getKey());                        PDXObjectImage img = me.getValue();                          //保存图片，会自动添加图片后缀类型                        img.write2file( imgSavePath + count );                          count++;                      }                  }              }              document.close();            fis.close();        } catch (FileNotFoundException ex) {            Logger.getLogger(PDFReader.class.getName()).log(Level.SEVERE, null, ex);        } catch (IOException ex) {            Logger.getLogger(PDFReader.class.getName()).log(Level.SEVERE, null, ex);        }    }    /**     * 提取文本并保存     * @param file PDF文档路径     * @param savePath 文本保存路径     */publicstaticvoidextractTXT(String file,String savePath){        try{            //打开pdf文件流            FileInputStream fis = new   FileInputStream(file);            //实例化一个PDF解析器            PDFParser parser = new PDFParser(fis);            //解析pdf文档            parser.parse();            //获取PDDocument文档对象            PDDocument document=parser.getPDDocument();            //获取一个PDFTextStripper文本剥离对象                       PDFTextStripper stripper = new PDFTextStripper();            //创建一个输出流            Writer writer=new OutputStreamWriter(new FileOutputStream(savePath));            //保存文本内容            stripper.writeText(document, writer);                         //关闭输出流            writer.close();            //关闭输入流            document.close();            fis.close();        } catch (FileNotFoundException ex) {            Logger.getLogger(PDFReader.class.getName()).log(Level.SEVERE, null, ex);        } catch (IOException ex) {            Logger.getLogger(PDFReader.class.getName()).log(Level.SEVERE, null, ex);        }    }    /**     * 提取部分页面文本并保存     * @param file PDF文档路径     * @param startPage 开始页数     * @param endPage 结束页数     * @param savePath 文本保存路径     */publicstaticvoidextractTXT(String file,int startPage,            int endPage,String savePath){        try{            //打开pdf文件流            FileInputStream fis = new   FileInputStream(file);            //实例化一个PDF解析器            PDFParser parser = new PDFParser(fis);            //解析pdf文档            parser.parse();            //获取PDDocument文档对象            PDDocument document=parser.getPDDocument();            //获取一个PDFTextStripper文本剥离对象                       PDFTextStripper stripper = new PDFTextStripper();            //创建一个输出流            Writer writer=new OutputStreamWriter(new FileOutputStream(savePath));            // 设置起始页            stripper.setStartPage(startPage);            // 设置结束页            stripper.setEndPage(endPage);            //保存文本内容            stripper.writeText(document, writer);                         //关闭输出流            writer.close();            //关闭输入流            document.close();            fis.close();        } catch (FileNotFoundException ex) {            Logger.getLogger(PDFReader.class.getName()).log(Level.SEVERE, null, ex);        } catch (IOException ex) {            Logger.getLogger(PDFReader.class.getName()).log(Level.SEVERE, null, ex);        }    }    publicstaticvoidmain(String args[]){        String file="F:\\pdf\\2013\\000608_阳光股份_2013年年度报告(更新后)_1.pdf";        String savePath="E:\\result1.txt";        long startTime=System.currentTimeMillis();        extractTXT(file,savePath);        long endTime=System.currentTimeMillis();        System.out.println("读写所用时间为："+(endTime-startTime)+"ms");    }}