如何使用 PDFPTable 或 PDFPTable Extractor 类从 Java 中的 PDF 文件中读取值？答案

【问题标题】：How to read values from a PDF file in java using PDFTable or PDFTableExtractor class?如何使用 PDFPTable 或 PDFPTable Extractor 类从 Java 中的 PDF 文件中读取值？
【发布时间】：2018-01-23 12:49:39
【问题描述】：

我尝试使用 PDFTextStripperByArea 和 PDPageContentStream 类从我的 pdf 文件中提取数值。 他们工作得很好！

但我的要求是使用 PDFTable 或 PDFTableExtractor 类来阅读 pdf 内容。你能告诉我访问上述类需要使用的 maven 依赖项 和 jar 文件 是什么吗? 还要提到从特定位置获取值所需的方法。

我还有一个疑问。 我们可以从PDF文件中提取表格格式的数据吗？我的意思是带有行和带有表格行的列的数据。如果一个页面包含一些文本和一个表格，我们可以只读取表格标题和行吗？ 我已将我的页面上传到 GitHub。点击here！从该图像中，我只需要毛保费、GST 和应付总额的值。请告诉我是否可能

【问题讨论】：

我使用 Apache PDFBox（一个免费库）进行 PDF 操作。想知道它对你有多重要。
Apache PDFBox 包含 PDPageContentStream 并且 我已经尝试过了。效果很好！。但是在这里，我需要使用 PDFTableExtractor 来实现我的要求。
这两个类PDFTable和PDFTableExtractor是否与pdfbox相关？
没有。它们不属于 PDFBox
您在评论中写道，您被指示尝试PDFTableExtractor。在这种情况下，我会说你不应该为学习 maven 和选择 jdk 而烦恼，而是专注于让它以某种方式运行，看看它是否解决了请求。所以最简单的方法是在你的 IDE 中创建一个非 maven 项目并附加 jar 文件。顺便说一句，有一个提取表的工具：tabula java。不知道有没有API。

标签： java pdf maven-2 maven-plugin pdfbox

【解决方案1】：

首先，不要使用包中的类com.lowagie 该代码是旧的、过时的并且不再受支持。此外，该代码属于iText 的早期版本。

随后对所有代码的知识产权进行了彻底调查（因为 iText 有很多贡献者）。当您使用旧代码时，您可能（在不知不觉中）正在使用您没有版权的代码。

其次，如果您只是想解决从PDF文档中提取数字和表格的问题，请查看pdf2Data。这是一个iText 插件，让事情变得更容易。

它为您提供了一个漂亮的 UI，您可以在其中构建用于数据提取的模板。然后，您可以调用单个方法将现有 (XML) 模板与输入 PDF 文档进行匹配，您将获得一个包含所有匹配信息的数据结构。

http://pdf2data.online/

【讨论】：

【解决方案2】：

PDFTable

我找到了两个 PDFTable 类：

com.lowagie.text.pdf.PdfPTable

com.itextpdf.text.pdf.PdfPTable

这两个类的文档（这可能有助于您学习所需的方法）：

https://www.coderanch.com/how-to/javadoc/itext-2.1.7/com/lowagie/text/pdf/PdfPTable.html

http://itextsupport.com/apidocs/itext5/5.5.9/com/itextpdf/text/pdf/PdfPTable.html

如果你想使用这些类，你可以将依赖项复制到你的 pom.file 中： https://mvnrepository.com/artifact/com.itextpdf/itextpdf
https://mvnrepository.com/artifact/com.lowagie/itext - 如此链接所述，此工件已移至 com.itextpdf

您可以在这里找到如何使用这些类的示例：

https://developers.itextpdf.com/examples/itext-action-second-edition/chapter-4

https://www.programcreek.com/java-api-examples/index.php?api=com.lowagie.text.pdf.PdfPTable

【讨论】：

我认为这不是 Vengat 想要的，他要求提取表格，但您的课程是关于在 PDF 中创建表格。
True @TilmanHausherr 我需要从 pdf 文件中读取值。这些值将采用表格格式。由于所需文本的位置因不同文件而不断变化，因此我无法使用普通方法，即读取整个内容并拆分所需内容或通过确切位置查找文本。我的一位前辈指示我尝试使用PDFTableExtractor 类。我是 pdf 文件的新手。