使用Grails阅读PDF文件

Question

我想从网站解析PDF文件。

有人可以说如何使用Grails从PDF文件中逐字逐句提取文本吗？

Answer 1

我不知道Grails / Groovy，但您可以使用Apache lib PDF Box来解析项目中的PDF。

Answer 2

其他选项包括支持pdf和其他格式的Apache Tika以及iText。

要与Groovy / Grails一起使用，请使用下面的Java，就像使用Groovy / Grails一样

要使用Apache tika和Java，你必须：

• 从tika.apache.org
下载tika-app-1.2.jar
• 下载this示例程序
• 使用javac -cp编译程序tika-app-1.2.jar TextExtractor.java
• 提取一些文本java -cp tika-app-1.2.jar：。 TextExtractor aPDFFile.pdf

要在Java中使用itext：

• 下载itextpdf-5.3.5.jar

• 编译以下内容：

  import java.io.IOException;
  
  import com.itextpdf.text.pdf.PdfReader;
  import com.itextpdf.text.pdf.parser.PdfTextExtractor;
  
  public class itextHelloWorld {
  
  
     static void extract(String input) throws IOException{
         String path = input;
         PdfReader reader = new PdfReader(path);
         int numberOfPages = reader.getNumberOfPages();
         for (int i = 0;i<numberOfPages;i++) {
             System.out.println(PdfTextExtractor.getTextFromPage(reader,i+1));
         }
     } 
  
      public static void main(String[] args) throws IOException {
          extract(args[0]);
      }
  }
  

• 使用java -cp itextpdf-5.3.5.jar提取文本： itextHelloWorld aPDFFile.pdf

Answer 3

正如另一种选择一样，我总是使用Aspose产品取得成功。我与Aspose没有任何关系。我只是喜欢他们的产品。