Java 如何读取 PDF 中的数据(包含文字和图片信息)?

Question

项目中遇到了一个需求,需要读取 PDF 文档中的内容, 并且页需要包含图片中的文字, 以方便进行全文检索, 所以有没有什么可用的解决方案呢?

Answer 1

OCR技术了解一下？

Answer 2

尝试先 pdfbox？

• 官网：https://pdfbox.apache.org/
• 例子：https://www.mkyong.com/java/p...

Answer 3

读取PDF文档中的文本和图片，建议可以试试Spire.pdf for java控件，有免费版和商业版之分，免费版针对操作文档页数比较少的情况很适用。
提取文本教程：https://www.e-iceblue.cn/pdf_...
提取图片教程：https://www.e-iceblue.cn/pdf_...