Чтение определенной страницы из документа PDF с использованием PDFBox

Question

Как прочитать определенную страницу (с учетом номера страницы) из документа PDF с помощью PDFBox?

Answer 1

Это должно работать:

PDPage firstPage = (PDPage)doc.getAllPages().get( 0 );

как видно из раздела BookMark учебника

Обновление 2015, версия 2.0.0 SNAPSHOT

Кажется, это было удалено и возвращено (?). getPage находится в версии 2.0.0 javadoc . Чтобы использовать это:

PDDocument document = PDDocument.load(new File(filename));
PDPage doc = document.getPage(0);

Метод getAllPages был переименован в getPages

PDPage page = (PDPage)doc.getPages().get( 0 );

Answer 2

//Using PDFBox library available from http://pdfbox.apache.org/  
//Writes pdf document of specific pages as a new pdf file

//Reads in pdf document  
PDDocument pdDoc = PDDocument.load(file);

//Creates a new pdf document  
PDDocument document = null;

//Adds specific page "i" where "i" is the page number and then saves the new pdf document   
try {   
    document = new PDDocument();   
    document.addPage((PDPage) pdDoc.getDocumentCatalog().getAllPages().get(i));   
    document.save("file path"+"new document title"+".pdf");  
    document.close();  
}catch(Exception e){}

Answer 3

Думаю, я бы добавил свой ответ здесь, так как я нашел вышеупомянутые ответы полезными, но не совсем то, что мне было нужно.

В моем сценарии я хотел отсканировать каждую страницу по отдельности, найти ключевое слово, если это ключевое слово появилось, затем что-то сделать с этой страницей (т.е. скопировать или игнорировать ее).

Я попытался просто и заменить общие переменные и т. Д. В своем ответе:

public void extractImages() throws Exception {
        try {
            String destinationDir = "OUTPUT DIR GOES HERE";
            // Load the pdf
            String inputPdf = "INPUT PDF DIR GOES HERE";
            document = PDDocument.load( inputPdf);
            List<PDPage> list = document.getDocumentCatalog().getAllPages();
            // Declare output fileName
            String fileName = "output.pdf";
            // Create output file
            PDDocument newDocument = new PDDocument();
            // Create PDFTextStripper - used for searching the page string
            PDFTextStripper textStripper=new PDFTextStripper(); 
            // Declare "pages" and "found" variable
            String pages= null; 
            boolean found = false;     
            // Loop through each page and search for "SEARCH STRING". If this doesn't exist
            // ie is the image page, then copy into the new output.pdf. 
            for(int i = 0; i < list.size(); i++) {
                // Set textStripper to search one page at a time 
                textStripper.setStartPage(i); 
                textStripper.setEndPage(i);             
                PDPage returnPage = null;
                // Fetch page text and insert into "pages" string
                pages = textStripper.getText(document); 
                found = pages.contains("SEARCH STRING");
                    if (i != 0) {
                            // if nothing is found, then copy the page across to new                     output pdf file
                        if (found == false) {
                            returnPage = list.get(i - 1); 
                            System.out.println("page returned is: " + returnPage);
                            System.out.println("Copy page");
                            newDocument.importPage(returnPage);
                        }
                    }
            }    
            newDocument.save(destinationDir + fileName);

            System.out.println(fileName + " saved");
         } 
         catch (Exception e) {
             e.printStackTrace();
             System.out.println("catch extract image");
         }
    }

Answer 4

Вот решение. Надеюсь, это решит вашу проблему.

string fileName="C:\mypdf.pdf";
PDDocument doc = PDDocument.load(fileName);                   
PDFTextStripper stripper = new PDFTextStripper();
stripper.setStartPage(1);
stripper.setEndPage(2);
//above page number 1 to 2 will be parsed. for parsing only one page set both value same (ex:setStartPage(1);  setEndPage(1);)
string reslut = stripper.getText(doc);

doc.close();

Answer 5

вы можете получить метод getPage поверх экземпляра PDDocument

PDDocument pdDocument=null;
pdDocument = PDDocument.load(inputStream);
PDPage pdPage = pdDocument.getPage(0);

Answer 6

Добавьте это к вызову командной строки:

ExtractText -startPage 1 -endPage 1 filename.pdf

Измените 1 на нужный номер страницы.