pdfbox 将pdf转换为word

percyjie

已于 2024-01-29 16:06:15 修改

阅读量1k

点赞数 10

CC 4.0 BY-SA版权

文章标签： pdf word linux

于 2024-01-29 15:40:33 首次发布

本文链接：https://blog.csdn.net/percyjie/article/details/135913889

本文介绍了如何使用ApachePDFBox2.0.28库将PDF文件转换为文本，虽然可能会丢失部分格式，但作为免费工具，其基本功能尚可满足需求。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

先添加依赖

<dependency>
    <groupId>org.apache.pdfbox</groupId>
    <artifactId>pdfbox</artifactId>
    <version>2.0.28</version>
</dependency>

private byte[] pdf2word(String filePath, byte[] in) throws IOException {
    String ext = FileUtil.getExt(filePath);
    if ("pdf".equals(ext)) {
        //将pdf加载到对象中去
        PDDocument doc = PDDocument.load(in);
        //得到pdf的页数
        int pagenumber = doc.getNumberOfPages();
        ByteArrayOutputStream baos = new ByteArrayOutputStream();
        Writer writer = new OutputStreamWriter(baos, StandardCharsets.UTF_8);
        PDFTextStripper stripper = new PDFTextStripper();
        stripper.setSortByPosition(true);//排序
        stripper.setStartPage(1);//设置转换的开始页
        stripper.setEndPage(pagenumber);//设置转换的结束页
        stripper.writeText(doc, writer);
        writer.close();
        return baos.toByteArray();
    }
    return null;
}

会丢失部分格式，但是整体还行，毕竟免费的要啥自行车