java - 使用 PDFBox 2.0.2 缺少类 PDFTextStripper() 从 PDF 中提取文本

Question

我在java中使用PDFBox 1.8.10实现了简单的文本提取方法。由于某些原因，我必须将库升级到 PDFBox 2.0.2。可能 PDFTextStripper() 方法被删除或在新版本中找到另一个包。有没有办法解决这个问题？或者你能建议另一种从 PDF 中获取文本的方法吗？

这是我的代码:

public String extractTextFromPdf() {
     File jInputFile = new File("c:/lorem/ipsum.pdf");
     PDDocument PDDoc = PDDocument.load(jInputFile ); 
     String strContent = new PDFTextStripper().getText(PDDoc);
     PDDoc.close();
     return strContent;
}

提前致谢。

Answer 1

试试这个

{
    PDDocument document = null;
    document = PDDocument.load(new File("test.pdf"));
    document.getClass();
    if (!document.isEncrypted()) {
        PDFTextStripperByArea stripper = new PDFTextStripperByArea();
        stripper.setSortByPosition(true);
        PDFTextStripper Tstripper = new PDFTextStripper();
        String st = Tstripper.getText(document);
        System.out.println("Text:" + st);
    }
} catch (Exception e) {
    e.printStackTrace();
}`