Java工具库系列（二十）：Apache PDFBox

Java工具库系列（二十）：Apache PDFBox

在Java开发中，处理PDF文档是一项常见的需求。Apache PDFBox 是一个强大的开源库，专门用于创建、操作和提取PDF文档内容。本文将介绍 Apache PDFBox 的核心功能及其使用方法，帮助你在项目中更高效地处理PDF文档。

一、Apache PDFBox 简介

Apache PDFBox 是 Apache 软件基金会下的一个开源Java库，用于处理PDF文档。PDFBox 提供了丰富的API，用于创建新的PDF文档、修改现有的PDF文档以及从PDF文档中提取内容。PDFBox 的主要特性包括：

• 创建和修改PDF文档
• 提取文本和图像
• 处理表单和注释
• 合并和拆分PDF文档

二、Apache PDFBox 的安装

要在项目中使用 Apache PDFBox，你需要在项目的构建工具中添加 PDFBox 的依赖。例如，如果你使用 Maven，你可以在

pom.xml

文件中添加以下依赖：

<dependency><groupId>org.apache.pdfbox</groupId><artifactId>pdfbox</artifactId><version>2.0.24</version></dependency>

对于 Gradle，你可以添加以下内容到

build.gradle

文件：

implementation 'org.apache.pdfbox:pdfbox:2.0.24'

三、Apache PDFBox 的核心功能

1. 创建PDF文档

以下示例展示了如何使用 PDFBox 创建一个简单的 PDF 文档，并在其中添加文本内容。

importorg.apache.pdfbox.pdmodel.PDDocument;importorg.apache.pdfbox.pdmodel.PDPage;importorg.apache.pdfbox.pdmodel.PDPageContentStream;importorg.apache.pdfbox.pdmodel.font.PDType1Font;importjava.io.IOException;publicclassCreatePDFExample{publicstaticvoidmain(String[] args){PDDocument document =newPDDocument();PDPage page =newPDPage();
        document.addPage(page);try(PDPageContentStream contentStream =newPDPageContentStream(document, page)){
            contentStream.beginText();
            contentStream.setFont(PDType1Font.HELVETICA,12);
            contentStream.newLineAtOffset(100,700);
            contentStream.showText("Hello, PDFBox!");
            contentStream.endText();}catch(IOException e){
            e.printStackTrace();}try{
            document.save("example.pdf");
            document.close();}catch(IOException e){
            e.printStackTrace();}}}

2. 读取PDF文档

以下示例展示了如何使用 PDFBox 从现有的 PDF 文档中提取文本内容。

importorg.apache.pdfbox.pdmodel.PDDocument;importorg.apache.pdfbox.text.PDFTextStripper;importjava.io.File;importjava.io.IOException;publicclassReadPDFExample{publicstaticvoidmain(String[] args){try(PDDocument document =PDDocument.load(newFile("example.pdf"))){PDFTextStripper pdfStripper =newPDFTextStripper();String text = pdfStripper.getText(document);System.out.println(text);}catch(IOException e){
            e.printStackTrace();}}}

3. 修改PDF文档

以下示例展示了如何使用 PDFBox 修改现有的 PDF 文档，并在其中添加新的文本内容。

importorg.apache.pdfbox.pdmodel.PDDocument;importorg.apache.pdfbox.pdmodel.PDPage;importorg.apache.pdfbox.pdmodel.PDPageContentStream;importorg.apache.pdfbox.pdmodel.font.PDType1Font;importjava.io.File;importjava.io.IOException;publicclassModifyPDFExample{publicstaticvoidmain(String[] args){try(PDDocument document =PDDocument.load(newFile("example.pdf"))){PDPage page = document.getPage(0);try(PDPageContentStream contentStream =newPDPageContentStream(document, page,PDPageContentStream.AppendMode.APPEND,true)){
                contentStream.beginText();
                contentStream.setFont(PDType1Font.HELVETICA_BOLD,12);
                contentStream.newLineAtOffset(100,650);
                contentStream.showText("Added text using PDFBox");
                contentStream.endText();}

            document.save("modified_example.pdf");}catch(IOException e){
            e.printStackTrace();}}}

4. 提取图像

以下示例展示了如何使用 PDFBox 从 PDF 文档中提取图像。

importorg.apache.pdfbox.pdmodel.PDDocument;importorg.apache.pdfbox.pdmodel.PDPage;importorg.apache.pdfbox.pdmodel.graphics.image.PDImageXObject;importjavax.imageio.ImageIO;importjava.awt.image.BufferedImage;importjava.io.File;importjava.io.IOException;publicclassExtractImageExample{publicstaticvoidmain(String[] args){try(PDDocument document =PDDocument.load(newFile("example.pdf"))){PDPage page = document.getPage(0);Iterable<PDImageXObject> images = page.getResources().getXObjectNames(PDImageXObject.class);int imageNumber =1;for(PDImageXObject image : images){BufferedImage bImage = image.getImage();ImageIO.write(bImage,"png",newFile("image"+ imageNumber +".png"));
                imageNumber++;}}catch(IOException e){
            e.printStackTrace();}}}

5. 合并和拆分PDF文档

以下示例展示了如何使用 PDFBox 合并和拆分 PDF 文档。

合并PDF文档

importorg.apache.pdfbox.multipdf.PDFMergerUtility;importjava.io.File;importjava.io.IOException;publicclassMergePDFExample{publicstaticvoidmain(String[] args){PDFMergerUtility merger =newPDFMergerUtility();
        merger.addSource("example1.pdf");
        merger.addSource("example2.pdf");
        merger.setDestinationFileName("merged_example.pdf");try{
            merger.mergeDocuments(null);}catch(IOException e){
            e.printStackTrace();}}}

拆分PDF文档

importorg.apache.pdfbox.multipdf.Splitter;importorg.apache.pdfbox.pdmodel.PDDocument;importjava.io.File;importjava.io.IOException;importjava.util.List;publicclassSplitPDFExample{publicstaticvoidmain(String[] args){try(PDDocument document =PDDocument.load(newFile("merged_example.pdf"))){Splitter splitter =newSplitter();List<PDDocument> pages = splitter.split(document);int pageNumber =1;for(PDDocument page : pages){
                page.save("split_page_"+ pageNumber +".pdf");
                pageNumber++;
                page.close();}}catch(IOException e){
            e.printStackTrace();}}}

四、总结

Apache PDFBox 是一个功能强大的PDF处理库，通过提供丰富的API和实用方法，极大地简化了Java应用程序中PDF文档的处理。在本篇文章中，我们介绍了PDFBox的核心功能和使用方法。在接下来的文章中，我们将继续探讨更多的Java工具库，帮助你在开发过程中事半功倍。

如果你有任何问题或建议，欢迎在评论区留言，我们将会一一解答。祝大家编码愉快！

敬请期待下一篇文章，我们将详细介绍另一个强大的Java工具库。