如何使用pdfbox解析包含表格格式数据的pdf

Question

有人可以帮我解决如何使用itext或pdfbox提取表格数据，我有一个1000页的pdf，我的工作是解析pdf并将数据存储到数据库中。

Answer 1

PDF不包含任何表结构元素，除非包含用于定义表的其他XML。否则就没有结构。我写了一篇关于如何找到的blog article。

像PdfBox这样的工具会努力猜测表格，但它可以被击中和错过

Answer 2

您可以使用此代码以字符串格式提取数据：

PDDocument document = PDDocument.load(pathToFile);
PDFTextStripper s = new PDFTextStripper();
String content = s.getText(document);

然后你可以使用java正则表达式逐行解析并将值加载到java POJO bean中。