Java PDFからテキストを抽出

今回は、Spire.PDF for Javaという素晴らしい ライブラリを使って、PDFからテキストを抽出する方法を紹介したいと思います。

Spire.PDF for Javaとは？

Spire.PDF for Java is a PDF API that enables Java applications to read, write and save PDF documents without using Adobe Acrobat.

英語が苦手な方への翻訳：

Spire.PDF for Javaは、Eiceblue社が開発され、開発者が JavaプラットホームでPDFのドキュメントを迅速かつ高品質で作成・編集・変換・印刷するために設計された専門的なPDF処理APIです。 そして、無料版と商用版がありますが、今回の記事で商用版を紹介しています。

準備

1.E-iceblueの公式サイトからSpire.PDF for Javaをダウンロードしてください。

2.IDEを起動して新規プロジェクトを作成してから、インストールされたファイルにある相応しいSpire.PDF.jarを参照に追加してください。

元のファイル

import com.spire.pdf.PdfDocument;
import com.spire.pdf.PdfPageBase;
import java.io.*;

public class Extract_Text {

    public static void main(String[] args) {

        //PdfDocumentオブジェクトを作成します
        PdfDocument doc = new PdfDocument();
        //PDFファイルをロードします。
        doc.loadFromFile("test.pdf");

        //StringBuilderオブジェクトを作成します。         
        StringBuilder sb = new StringBuilder();   

        PdfPageBase page;                
        //PDF ページをループします。
        for(int i= 0;i<doc.getPages().getCount();i++){
            page = doc.getPages().get(i);            
            sb.append(page.extractText(true));
        }
        FileWriter writer;
        try {

            writer = new FileWriter("ExtractText.txt");
            writer.write(sb.toString());
            writer.flush();
        } catch (IOException e) {
            e.printStackTrace();
        }

        doc.close();
    }
}

実行結果

以下の関連記事もご参照

PDF変換機能：Convert PDF to Word in Java

PDFの作成法：Create a PDF Document in Java

PDFを印刷：Create a PDF Document in Java

終わりに

Spire.PDF for Javaは、パワフルな機能を満載しているので、使いやすいし、開発者にとってかなり便利なツールだと思います。