Java 读取PDF中的表格

迈不过友情╰ 2023-10-11 16:26 18阅读 0赞

## **一、概述** ##

本文以Java示例展示读取PDF中的表格的方法。这里导入Spire.PDF for Javah中的jar包，并使用其提供的相关及方法来实现获取表格中的文本内容。下表中整理了本次代码使用到的主要类、方法及解释，供参考：

<table style="width:500px;"> 
 <tbody> 
  <tr> 
   <td style="text-align:center;"><strong>类型</strong></td> 
   <td style="text-align:center;"><strong>描述</strong></td> 
  </tr> 
  <tr> 
   <td>PdfDocument Class</td> 
   <td>Represents a pdf document model.</td> 
  </tr> 
  <tr> 
   <td>PdfDocument. loadFromFile (string filename) Method</td> 
   <td>Loads a PDF document.</td> 
  </tr> 
  <tr> 
   <td>PdfTableExtractor Class</td> 
   <td>Represents the PDF table extractor.</td> 
  </tr> 
  <tr> 
   <td>PdfTable Class</td> 
   <td>Defines a PDF table.</td> 
  </tr> 
  <tr> 
   <td>PdfTableExtractor. extractTable (int pageIndex) Method</td> 
   <td>Extracts table from page.</td> 
  </tr> 
  <tr> 
   <td>PdfTable.getText(int rowIndex,int columnIndex) Method</td> 
   <td>Gets Text in cell.</td> 
  </tr> 
  <tr> 
   <td>FileWriter. write() Method</td> 
   <td>Saves extracted text in table to a .txt file.</td> 
  </tr> 
 </tbody> 
</table>

## 二、环境配置 ##

*  IntelliJ IDEA 2018(JDK 1.8.0)
 *  PDF 测试文档
 *  PDF Jar包：[Spire.PDF for Java][] Version: 4.10.2

**Jar包的两种导入方法**：

### **1. 手动导入** ###

将jar包下载到本地，解压。然后执行如下步骤来手动导入：

![watermark_type_ZHJvaWRzYW5zZmFsbGJhY2s_shadow_50_text_Q1NETiBARWljZWJsdWU_size_20_color_FFFFFF_t_70_g_se_x_16][]

![watermark_type_ZHJvaWRzYW5zZmFsbGJhY2s_shadow_50_text_Q1NETiBARWljZWJsdWU_size_20_color_FFFFFF_t_70_g_se_x_16 1][]

![watermark_type_ZHJvaWRzYW5zZmFsbGJhY2s_shadow_50_text_Q1NETiBARWljZWJsdWU_size_20_color_FFFFFF_t_70_g_se_x_16 2][]

### **2. Maven仓库下载导入** ###

如果使用maven，需在pom.xml中配置maven路径，指定依赖，如下：

<repositories>
        <repository>
            <id>com.e-iceblue</id>
            <url>https://repo.e-iceblue.cn/repository/maven-public/</url>
        </repository>
    </repositories>
    <dependencies>
        <dependency>
            <groupId>e-iceblue</groupId>
            <artifactId>spire.pdf</artifactId>
            <version>4.10.2</version>
        </dependency>
    </dependencies>

## **三、读取PDF****中的表格** ##

import com.spire.pdf.*;
    import com.spire.pdf.utilities.PdfTable;
    import com.spire.pdf.utilities.PdfTableExtractor;
    
    import java.io.FileWriter;
    import java.io.IOException;
    
    public class ExtractTable {
        public static void main(String[] args)throws IOException {
            //加载PDF文档
            PdfDocument pdf = new PdfDocument();
            pdf.loadFromFile("test.pdf");
    
            //创建StringBuilder类的实例
            StringBuilder builder = new StringBuilder();
    
            //抽取表格
            PdfTableExtractor extractor = new PdfTableExtractor(pdf);
            PdfTable[] tableLists ;
            for (int page = 0; page < pdf.getPages().getCount(); page++)
            {
                tableLists = extractor.extractTable(page);
                if (tableLists != null && tableLists.length > 0)
                {
                    for (PdfTable table : tableLists)
                    {
                        int row = table.getRowCount();
                        int column = table.getColumnCount();
                        for (int i = 0; i < row; i++)
                        {
                            for (int j = 0; j < column; j++)
                            {
                                String text = table.getText(i, j);
                                builder.append(text+" ");
                            }
                            builder.append("\r\n");
                        }
                    }
                }
            }
    
            //将提取的表格内容写入txt文档
            FileWriter fileWriter = new FileWriter("ExtractedTable.txt");
            fileWriter.write(builder.toString());
            fileWriter.flush();
            fileWriter.close();
        }
    }

表格内容读取结果：

![watermark_type_ZHJvaWRzYW5zZmFsbGJhY2s_shadow_50_text_Q1NETiBARWljZWJsdWU_size_20_color_FFFFFF_t_70_g_se_x_16 3][]

**注意事项：**

1.注意使用的PDF Jar包版本为[**4.10.2**][Spire.PDF for Java]，低于此版本的jar包不支持读取表格；

2.代码中的文件路径为 F:\\IDEAProject\\Table\_PDF\\test.pdf 和F:\\IDEAProject\\Table\_PDF\\ExtractedTable.txt ， 文件路径可自定义为其他路径。

**—End—**

[Spire.PDF for Java]: https://www.e-iceblue.cn/Downloads/Spire-PDF-JAVA.html
[watermark_type_ZHJvaWRzYW5zZmFsbGJhY2s_shadow_50_text_Q1NETiBARWljZWJsdWU_size_20_color_FFFFFF_t_70_g_se_x_16]: https://img-blog.csdnimg.cn/f15e0b46e4ea406fbfc0a0c5621f25b2.png?x-oss-process=image/watermark,type_ZHJvaWRzYW5zZmFsbGJhY2s,shadow_50,text_Q1NETiBARWljZWJsdWU=,size_20,color_FFFFFF,t_70,g_se,x_16
[watermark_type_ZHJvaWRzYW5zZmFsbGJhY2s_shadow_50_text_Q1NETiBARWljZWJsdWU_size_20_color_FFFFFF_t_70_g_se_x_16 1]: https://img-blog.csdnimg.cn/4efbc823317f40679f1c88a9f048f962.png?x-oss-process=image/watermark,type_ZHJvaWRzYW5zZmFsbGJhY2s,shadow_50,text_Q1NETiBARWljZWJsdWU=,size_20,color_FFFFFF,t_70,g_se,x_16
[watermark_type_ZHJvaWRzYW5zZmFsbGJhY2s_shadow_50_text_Q1NETiBARWljZWJsdWU_size_20_color_FFFFFF_t_70_g_se_x_16 2]: https://img-blog.csdnimg.cn/920808f3c012476abccb2266e6deffe5.png?x-oss-process=image/watermark,type_ZHJvaWRzYW5zZmFsbGJhY2s,shadow_50,text_Q1NETiBARWljZWJsdWU=,size_20,color_FFFFFF,t_70,g_se,x_16
[watermark_type_ZHJvaWRzYW5zZmFsbGJhY2s_shadow_50_text_Q1NETiBARWljZWJsdWU_size_20_color_FFFFFF_t_70_g_se_x_16 3]: https://img-blog.csdnimg.cn/e10e4233721544e6aee99f987fcfa8bd.png?x-oss-process=image/watermark,type_ZHJvaWRzYW5zZmFsbGJhY2s,shadow_50,text_Q1NETiBARWljZWJsdWU=,size_20,color_FFFFFF,t_70,g_se,x_16