Java 读取PDF中的表格

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 Java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：

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：

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

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：

注意事项：

1.注意使用的PDF Jar包版本为4.10.2，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—