在前文中我曾介绍过如何利用Java代码在PDF文档中创建表格。那对于一个已经包含有表格的PDF文档，想要提取其中表格信息进行编辑分析是否可行呢？答案是可以。用到的工具同样是Spire.PDF for Java控件，需用到它的最新版4.10.2。

以下是PDF示例文档：

导入Jar包：在E-iceblue中文官网下载Spire.PDF for Java产品包，解压后在lib文件夹下找到Spire.Pdf.jar，然后将其手动导入IDEA；如果用Maven仓库安装方式，在pom.xml里键入以下代码即可。

<repositories>
        <repository>
            <id>com.e-iceblue</id>
            <name>e-iceblue</name>
            <url>https://repo.e-iceblue.com/nexus/content/groups/public/</url>
        </repository>
</repositories>
<dependencies>
    <dependency>
        <groupId> e-iceblue </groupId>
        <artifactId>spire.pdf</artifactId>
        <version>4.10.2</version>
    </dependency>
</dependencies>

代码示例

Spire.PDF for Java提供了
PdfTableExtractor.extractTable(int pageIndex)方法来检测和提取PDF文档中的表格信息。以下是具体实现步骤：

• 创建PdfDocument实例
• 使用PdfDocument.loadFromFile()方法加载PDF示例文档
• 创建StringBuilder和PdfTableExtractor实例
• 遍历文档所有页面，然后使用PdfTableExtractor.extractTable(int pageIndex)方法提取表格到PdfTable 数组
• 遍历表格的所有行和列，然后使用PdfTable.getText(int rowIndex, int columnIndex)方法提取数据，最终通过StringBuilder.append()方法将数据保存到StringBuilder实例
• 使用Writer.write()方法将提取的表格数据写入.txt文档

import com.spire.pdf.PdfDocument;
import com.spire.pdf.utilities.PdfTable;
import com.spire.pdf.utilities.PdfTableExtractor;
import java.io.FileWriter;
import java.io.IOException;

public class ExtractTable {
    public static void main(String[] args) throws IOException {
        //创建PdfDocument实例
        PdfDocument pdf = new PdfDocument();
        //加载PDF示例文档
        pdf.loadFromFile("C:\\Users\\Test1\\Desktop\\sample.pdf");

        //创建StringBuilder和PdfTableExtractor实例
        StringBuilder builder = new StringBuilder();
        PdfTableExtractor extractor = new PdfTableExtractor(pdf);

        //遍历PDF文档的所有页
        for (int pageIndex = 0; pageIndex < pdf.getPages().getCount(); pageIndex++) {
            PdfTable[] tableLists = extractor.extractTable(pageIndex);
            if (tableLists != null && tableLists.length > 0) {
                for (PdfTable table : tableLists) {
                    //获取表格的所有行
                    for (int i = 0; i < table.getRowCount(); i++) {
                        //获取表格所有列
                        for (int j = 0; j < table.getColumnCount(); j++) {
                            //提取表格中的所有数据至StringBuilder
                            String text = table.getText(i, j);
                            builder.append(text + " | ");
                        }
                        builder.append("\r\n");
                    }
                }
            }
        }

        //保存数据至.txt文档
        FileWriter fw = new FileWriter("output/ExtractTable.txt");
        fw.write(builder.toString());
        fw.flush();
        fw.close();
    }
}

表格信息提取效果如下：

Tags：java官方文档