使用Grails阅读PDF文件

Question

我想从网站解析PDF文件。

任何人都可以说如何从使用Grails的PDF文件中提取文本（逐字）吗？

Answer 1

我不知道在Grails/Groovy中，但是您可以使用Apache lib PDF Box在您的项目中解析PDF。

Answer 2

就像另一种选择一样，我一直对Aspose产品获得成功。我与Aspose没有任何关系。我只是喜欢他们的产品。

Answer 3

其他选项包括支持pdf和其他格式的Apache Tika和iText。

要将使用Groovy/Grails的使用以下的Java，你会使用Groovy/Grails的

使用Apache蒂卡与Java中，你必须：

• 下载蒂卡-APP-1.2。从tika.apache.org
• 下载this示例程序
• 罐子编译程序用javac -cp蒂卡-APP-1.2.jar TextExtractor.java
• 提取一些文本java -cp tika-app-1.2.jar :. TextExtractor aPDFFile.pdf

与Java使用的iText，你会：

• 下载itextpdf-5.3.5.jar

• 编译如下：

  import java.io.IOException; 
  
  import com.itextpdf.text.pdf.PdfReader; 
  import com.itextpdf.text.pdf.parser.PdfTextExtractor; 
  
  public class itextHelloWorld { 
  
  
      static void extract(String input) throws IOException{ 
       String path = input; 
       PdfReader reader = new PdfReader(path); 
       int numberOfPages = reader.getNumberOfPages(); 
       for (int i = 0;i<numberOfPages;i++) { 
        System.out.println(PdfTextExtractor.getTextFromPage(reader,i+1)); 
       } 
      } 
  
      public static void main(String[] args) throws IOException { 
       extract(args[0]); 
      } 
  } 
  

• 提取文本用java -cp itextpdf-5.3.5.jar :. itextHelloWorld aPDFFile.pdf