从pdf文件中提取文本 [英] extract text from pdf files

问题描述

我需要从pdf文件中提取文字（逐字逐句）。

I need to extract text (word by word) from a pdf file.

import java.io.*;

import com.itextpdf.text.*;

import com.itextpdf.text.pdf.*;

import com.itextpdf.text.pdf.parser.*;

public class pdf {

    private static String INPUTFILE = "http://ontology.buffalo.edu/ontology%28PIC%29.pdf" ;

    private static String OUTPUTFILE = "c:/new3.pdf";

    public static void main(String[] args) throws DocumentException,
            IOException {

        Document document = new Document();

        PdfWriter writer = PdfWriter.getInstance(document,

        new FileOutputStream(OUTPUTFILE));

        document.open();

        PdfReader reader = new PdfReader(INPUTFILE);

        int n = reader.getNumberOfPages();

        PdfImportedPage page;

        // Go through all pages

        for (int i = 1; i <= n; i++) {

                page = writer.getImportedPage(reader, i);

                System.out.println(i);


                Image instance = Image.getInstance(page);

                document.add(instance);

        }

        document.close();


        PdfReader readerN = new PdfReader(OUTPUTFILE);

        PdfTextExtractor parse = new PdfTextExtractor();

for (int i = 1; i <= n; i++) 

System.out.println(parser.getTextFromPage(reader,i));


}

当我编译代码时，我有此错误：

When I compile the code, I have this error:

构造函数PdfTextExtractor未定义

the constructor PdfTextExtractor is undefined

如何解决这个问题？

推荐答案

PDFTextExtractor只包含静态方法，构造函数是私有的。 itext

PDFTextExtractor only contains static methods and the constructor is private. itext

你可以像这样调用：

String myLine = PDFTextExtractor.getTextFromPage（reader，pageNumber）

这篇关于从pdf文件中提取文本的文章就介绍到这了，希望我们推荐的答案对大家有所帮助，也希望大家多多支持IT屋！