Java中的扫描仪可以读取pdf文件吗？流式阅读答案

【问题标题】：Can scanner in Java read pdf files? Reading with streamsJava中的扫描仪可以读取pdf文件吗？流式阅读
【发布时间】：2020-01-15 14:49:28
【问题描述】：

我想知道 Java 中的扫描仪是否能够读取 pdf 文件？如果是，怎么做？

这是我拥有的，但它不起作用：

Scanner scan = new Scanner(mypdffile);
String Result = "";
while(scan.hasNext()) {
    Result += scan.nextLine();
}

【问题讨论】：

你试过运行这段代码吗？
@Goion 是的，我有，它不起作用。
然后它会回答您的问题，“如果是”。来自 Scanner javadoc：“一个简单的文本扫描器，可以使用正则表达式解析原始类型和字符串。”
How to read pdf file and write it to outputStream
不，Scanner 用于文本，而 PDF 不是文本，或者更确切地说不仅仅是文本，还有很多其他内容。

标签： java pdf java.util.scanner

【解决方案1】：

不，Scanner 不会像您想要的那样处理 PDF 文件。请参阅this question 以获取有关如何使用 Java 阅读 PDF 的建议。 TL;DR 是您可能想要使用库。

【讨论】：

谢谢，除了 PdfBox 之外还有其他方法吗，比如缓冲阅读器可以工作吗？
@Candyfloss BufferedReader 肯定不会帮助你。阅读器适用于基于字符的格式，但 PDF 是二进制的。您需要 InputStreams，而不是阅读器。但是我们真的不知道PDF文件格式的内幕来帮助你。
@kingkupps 谢谢，我不想使用 pdfbox 等，所以我最终使用了流。

【解决方案2】：

我最终使用流来读取 pdf 文件，因为我正在寻找一种不使用 PdfBox 等的方法。

dos 是我的数据输出流

     try
    {
        FileInputStream fin = new FileInputStream(mypdffile);


        int read=0;
        byte[] buf=new byte[1024];

        //read in file 
        while((read=fis.read(buf))>0) {

            dos.write(buffer,0,read);
                    dos.flush();

        }
    dos.close();



    }
    catch(IOException ex)
    {
        ex.printStackTrace();

    }

【讨论】：

这行不通。 result+=new String(buf); 行会损害您的 PDF，由于编码，您最终会得到与以前不同的字节。 PDF 是一种二进制文件格式。
@Tilman Hausherr，您建议如何将字节转换为字符串？
如果您想要文本（在 Adobe 中标记、复制和粘贴），请使用 PDFBox 文本提取。如果没有库，您将无法做到这一点。如果您只想复制（二进制）字节，则写入 ByteArrayOutputStream 然后调用 toByteArray()。
是的，好多了。