我有一个合并的pdf文件,该文件的每一页中都有文本,ID和页码为“ Y的X页”。我需要根据Y文字的第X页将一个pdf文件拆分为多个pdf文件。我正在尝试使用iText进行POC,但我正在努力阅读Y的第X页,以标识用于拆分文件的页码。我可以使用Java来实现这一点吗?
我尝试了以下代码:
public static void main(String args[]) {
PDFTextStripper pdfStripper = null;
PDDocument pdDoc = null;
COSDocument cosDoc = null;
File file = new File("C:\\basics\\outbound\\FPPStmts.pdf");
try {
// PDFBox 2.0.8 require org.apache.pdfbox.io.RandomAccessRead
RandomAccessFile randomAccessFile = new RandomAccessFile(file, "r");
PDFParser parser = new PDFParser(randomAccessFile);
parser.parse();
cosDoc = parser.getDocument();
pdfStripper = new PDFTextStripper();
pdDoc = new PDDocument(cosDoc);
pdfStripper.setStartPage(1);
pdfStripper.setEndPage(2);
String parsedText = pdfStripper.getText(pdDoc);
System.out.println(parsedText);
} catch (IOException e) {
// TODO Auto-generated catch block
e.printStackTrace();
}
}
这虽然我的pdf包含数据,但仍为空白文本。