java - 如何使用java代码和pdfbox从pdf文件中提取参数

Question

我正在做一个java程序，它是从pdf文件中提取参数。我想提取 pdf 以获取类似

的参数

• 对象
• 结束对象
• 流媒体
• 端流
• 外部参照
• 预告片
• 开始引用
• /页
• /加密
• /ObjStm
• /JS
• /JavaScript
• /AA
• /OpenAction
• /JBIG2解码
• /RichMedia
• /启动
• /XFA

参数:

所以我希望得到下图所示的输出:

Answer 1

按照上面的注释所以你想从PDF中提取文本，然后计算出现的次数？，你可以执行以下操作:

阅读 PDF 文件:

String[] words = null;
try (PDDocument document = PDDocument.load(new File("C:\\path\\to\\file.pdf"))) {
    document.getClass();
    if (!document.isEncrypted()) {
        PDFTextStripperByArea stripper = new PDFTextStripperByArea();
        stripper.setSortByPosition(true);
        PDFTextStripper tStripper = new PDFTextStripper();
        String pdfFileInText = tStripper.getText(document);
        words = pdfFileInText.split("\\s+");
    }
}

然后打印出现的单词:

Arrays.stream(words)
       .collect(Collectors.groupingBy(s -> s))
       .forEach((k, v) -> System.out.println(k + " " + v.size()));

您可能需要根据自己的需要稍微调整一下。