在本文中，我们将看到一个Java程序，该程序使用PDFBox库从PDF文档中读取文本，以及一个Java程序，使用PDFBox库从PDF文档中提取图像。

要了解有关使用PDFBox的Java中的PDFBox库和PDF示例的更多信息，请查看本文。使用PDFBox教程在Java中生成PDF。

使用PDFBox读取PDF

要使用PDFBox从PDF阅读文本，我们需要执行以下步骤。

• 使用PDDocument.load方法加载必须阅读的PDF。
• 为了使用PDFBox从PDF读取文本，使用PDFTextStripper类。此类需要PDF文档，并去除所有文本。
• PDFTextStripper类的getText()方法用于读取PDF文档。

import java.io.File;
import java.io.IOException;
import org.apache.pdfbox.pdmodel.PDDocument;
import org.apache.pdfbox.text.PDFTextStripper;

public class ReadPDF {
  public static final String CONTENT_PDF = "F://theitroad//result//PDFBox//Content.pdf";
  public static void main(String[] args) {	
    try {
      PDDocument document = PDDocument.load(new File(CONTENT_PDF));
      PDFTextStripper textStripper = new PDFTextStripper();
      // Get total page count of the PDF document
      int numberOfPages = document.getNumberOfPages();
      //set the first page to be extracted 
      textStripper.setStartPage(1);
      // set the last page to be extracted 
      textStripper.setEndPage(numberOfPages);
      String text = textStripper.getText(document);
      System.out.println(text);
      document.close();
    } catch (IOException e) {
      // TODO Auto-generated catch block
      e.printStackTrace();
    }		
  }
}

使用PDFBox从PDF提取图像

如果要从PDF文档中提取图像，可以使用PDFBox库中的PDResources类来完成。使用此类，我们可以获得页面级别的所有可用资源。
从这些资源中，我们可以检查是否有任何资源是图像(可以通过验证资源对象的类型是否为PDImageXObject来检查图像)。

import java.io.File;
import java.io.IOException;
import javax.imageio.ImageIO;
import org.apache.pdfbox.cos.COSName;
import org.apache.pdfbox.pdmodel.PDDocument;
import org.apache.pdfbox.pdmodel.PDResources;
import org.apache.pdfbox.pdmodel.common.PDStream;
import org.apache.pdfbox.pdmodel.graphics.PDXObject;
import org.apache.pdfbox.pdmodel.graphics.image.PDImageXObject;

public class ReadPDF {
  public static final String CONTENT_PDF = "F://theitroad//result//PDFBox//Image.pdf";
  public static void main(String[] args) {	
    try {	
      PDDocument document = PDDocument.load(new File(CONTENT_PDF));
      // get resources for a page
      PDResources pdResources = document.getPage(0).getResources();
      int i = 0;
      for(COSName csName : pdResources.getXObjectNames()) {
        System.out.println(csName);
        PDXObject pdxObject = pdResources.getXObject(csName);	
        if(pdxObject instanceof PDImageXObject) {
          PDStream pdStream = pdxObject.getStream();
          PDImageXObject image = new PDImageXObject(pdStream, pdResources);
          i++;
          // image storage location and image name
          File imgFile = new File("F://theitroad//result//PDFBox//img"+i+".png");
          ImageIO.write(image.getImage(), "png", imgFile);
        }
			}
      document.close();
    } catch (IOException e) {
      // TODO Auto-generated catch block
      e.printStackTrace();
    }		
  }
}