java通过url读取pdf数据

偏执的太偏执、 2023-09-30 19:07 30阅读 0赞

### java通过url读取pdf数据 ###

import java.io.*;
    import java.net.MalformedURLException;
    import java.net.URL;
    import java.net.URLConnection;
    import org.apache.pdfbox.pdmodel.PDDocument;
    import org.apache.pdfbox.text.PDFTextStripper;
    /**
     * 通过URL获得PDF内容 转存
     * @author sunyang
     * @date 2019/1/24 14:40
     */
    public class PdfText2Url {
        
        public static void main(String[] args) {
        
            try {
        
                //需要获取到的PDF地址
        readPdf("https://img1.xxx.org/tech/file/9bd7/733b/7ef54fbf672cfffaf2b1a6c2.pdf");
            }catch (Exception e){
        
            }
        }
        /**
         * 传入一个.pdf 地址
         * @param pdfUrl 地址
         * @throws Exception
         */
        public static void readPdf(String pdfUrl) throws Exception {
        
            // 是否排序
            boolean sort = false;
            // 编码方式
            String encoding = "UTF-8";
            // 开始提取页数
            int startPage = 1;
            // 内存中存储的PDF Document
            PDDocument pdDocument = null;
            //输入流
            InputStream inputStream = null;
            try {
        
                try {
        
                    // 当作一个URL来装载文件
                    URL url = new URL(pdfUrl);
                    URLConnection con = url.openConnection();
                    con.setConnectTimeout(3 * 1000);
                    inputStream = con.getInputStream();
                    pdDocument = PDDocument.load(inputStream);
                } catch (MalformedURLException e) {
        
                }
                // 获取页码
                int endPage = pdDocument.getNumberOfPages();
                PDFTextStripper stripper = null;
                stripper = new PDFTextStripper();
                // 设置是否排序
                stripper.setSortByPosition(sort);
                // 设置起始页
                stripper.setStartPage(startPage);
                // 设置结束页
                stripper.setEndPage(endPage);
                System.out.println(stripper.getText(pdDocument));
                System.out.println(" 输出成功！");
            } finally {
        
                if (inputStream != null) {
        
                    // 关闭输出流
                    inputStream.close();
                }
                if (pdDocument != null) {
        
                    // 关闭PDF Document
                    pdDocument.close();
                }
            }
        }
    }

### 在pom.xml文件添加依赖 ###

<dependency>
                <groupId>org.apache.pdfbox</groupId>
                <artifactId>pdfbox</artifactId>
                <version>2.0.9</version>
            </dependency>