从PDF文件中提取文本和图像

Question

我一直在用这个软件撞墙，已经研究过，而且几乎已经尝试了每个向我建议的库。我目前正在尝试用java编写一个程序，它将从pdf文件中提取文本和图像，并允许我将提取的内容写入一个word文件。我设法使用ICEpdf库提取内容，但问题是我需要能够按照与读取内容完全相同的顺序编写内容。因此，为了澄清，我需要一个图书馆来帮助我跟踪文本和图像的位置，以便我可以将它们放在我的文档中的相同位置。

Answer 1

PDF to Word转换器是一个非常复杂的命题。

你最好打赌可能会使用Open Office为你做，甚至不尝试处理中间步骤。

http://www.openoffice.org/api/

Answer 2

看看这个：Advanced PDF parser for Java

OFF：

- 也据我所知，是八九不离十转换PDF到HTML（这样你可以跟踪的一个python解析器在pdf中对象的排序）。我知道它不是Java，但你可能能够使用输出。 http://www.unixuser.org/~euske/python/pdfminer/index.html