java操作pdf>>>pdfBox使用体验
pdfBox对中文非常不友好,如果各位同学最进要对pdf进行插入文字操作的话,建议你们使用itext,如果你操作的pdf没有中文,或者只是对pdf文件插入图片,删除页面等操作,那么请继续看下去~~~~
前言:
前段时间在完成公司安排的任务同时,利用空余时间做了一个使用java操作pdf的功能
刚开始没什么头绪,直到在网上找到了pdfBox,
pdfBox是apach提供的免费,开源的pdf操作工具,使用起来也挺方便,github可下载
我也上传了一份, [ pdfbox-1.8.9.zip ]
1首先,导入jar
我是maven方式导入
PS:
这个jar里面囊括了所有的pdfbox操作工具类,导入这一个就够了
(我在找工具类的时候,看到别的博主导了pdfbox的很多类,然后一股脑也导了进去,结果jar包冲突,原来只导入一个,那就是官方已经整合好的那个,就够了)
<dependency>
<groupId>org.apache.pdfboxgroupId>
<artifactId>pdfbox-appartifactId>
<version>1.8.10version>
dependency>2.在你的项目中创建一个工具类
2.1这个类的取名:随意,
我是取的pdfUtil
2.2当然,如果你想将操作记录入录到数据库的话,你也可以创建一个pdf的实体类
这个实体类创不创建大家随意,我贴一下我的实体类的属性,供参考
//实体类的名称:pdfDomainVO
private Integer id;//id
private Date time;//操作时间
private String filename;//文件名
private String filesize;//文件大小
private String filetype;//文件类型
private String details;//操作详情
private String content;//pdf中内容
private String outputfile;//输出路径(保存路径)
private String inputfile;//要操作的pdf路径
private String strtofind;//需要替换的文本
private String message;//替换的文本
private String imagefile;//图片路径
private String imagelist;//图片集合
private Integer pageno;//指定页码
private Integer pages;//总页数
private Integer rid;//...
private Integer pageoperation;//操作页数
private Integer pagestart;//开始页
private Integer pageend;//结束页
private String position;//位置:X,Y
private String fileSizeAfter;//操作后文件大小
private Integer status;//状态
private Integer afterPages;//操作后页码
private Integer imgSize;//图片大小3.在pdfUtil写代码
PS:我下面会有用到pdfDomainVO实体类的时候,大家参考下上面贴的属性
- 大家可以在pdfbox-1.8.9.zip文件夹中,找到examples文件夹
- 里面有很多事例,比如:
- 1创建一个pdf文件
- 2读取pdf中,全部文字信息(可用String接收)
- 3替换pdf中字符(中文我还没有解决好,不好意思啊)
- 4在pdf中插入图片
-
等等操作……
PS:我现在贴一下我的代码
—–1创建1到多个空白页面
/***
* 创建1到多个空白页面
* @param file
* @throws IOException
* @throws COSVisitorException
*/
public static void createBlank( String outputFile ) throws IOException, COSVisitorException
{
//首先创建pdf文档类
PDDocument document = null;
try
{
document = new PDDocument();
//实例化pdf页对象
PDPage blankPage = new PDPage();
PDPage blankPage1 = new PDPage();
PDPage blankPage2 = new PDPage();
//插入文档类
document.addPage( blankPage );
document.addPage( blankPage1 );
document.addPage( blankPage2 );
//记得一定要写保存路径,如"H:\\text.pdf"
document.save( outputFile );
System.out.println("over");
}
finally
{
if( document != null )
{
document.close();
}
}
}—–2读取pdf中文字信息(全部)
/**
* 读取pdf中文字信息(全部)
*/
public static void READPDF(String inputFile){
//创建文档对象
PDDocument doc =null;
String content="";
try {
//加载一个pdf对象
doc =PDDocument.load(new File(inputFile));
//获取一个PDFTextStripper文本剥离对象
PDFTextStripper textStripper =new PDFTextStripper("GBK");
content=textStripper.getText(doc);
vo.setContent(content);
System.out.println("内容:"+content);
System.out.println("全部页数"+doc.getNumberOfPages());
//关闭文档
doc.close();
} catch (Exception e) {
// TODO: handle exception
}
}—–3读取pdf中文字信息(指定页面)
/**
* 读取pdf中文字信息(指定从第几页开始)
*/
public static pdfDomainVO readPageNO(pdfDomainVO vo){
String content="";
try{
PDDocument document = PDDocument.load(vo.getInputfile());
// 获取页码
int pages = document.getNumberOfPages();
// 读文本内容
PDFTextStripper stripper=new PDFTextStripper();
// 设置按顺序输出
stripper.setSortByPosition(true);
stripper.setStartPage(vo.getPageno());
stripper.setEndPage(vo.getPageno());
//获取内容
content = stripper.getText(document);
vo.setContent(content);
System.out.println("function : readPageNO over");
} catch (Exception e) {
e.printStackTrace();
}
return vo;
}
—–4替换指定pdf文件的文字内容(这个比较复杂,当时看api看了好久,然后一个一个的吧注释添了上去)
/**
* 替换指定pdf文件的文字内容
* @param args
*/
public static pdfDomainVO replaceContent(pdfDomainVO vo)
throws IOException,COSVisitorException{
//创建一个文档对象
PDDocument doc =null;
try {
//加载文件
doc =PDDocument.load(vo.getInputfile());
//获取全部页数
List pages= doc.getDocumentCatalog().getAllPages();
//获取与i对应的页面
PDPage page = (PDPage)pages.get( vo.getPageno() );
//流对象来接收当前page的内容
PDStream contents = page.getContents();
//PDF流对象剖析器(这将解析一个PDF字节流并提取操作数,等等)
PDFStreamParser parser =new PDFStreamParser(contents.getStream());
//这将分析流中的标记
parser.parse();
//用list存流中的所有标记
List tokens =parser.getTokens();
for (int j = 0; j < tokens.size(); j++) {
//创建一个object对象去接收标记
Object next = tokens.get( j );
//instanceof判断其左边对象是否为其右边类的实例
if(next instanceof PDFOperator ) {
//pdf操作器对象
PDFOperator op =(PDFOperator)next;
//TJ和TJ是显示的两个操作符。
//PDF中的字符串
if(op.getOperation().equals("Tj")){
//COSString对象>>创建java字符串的一个新的文本字符串。
COSString previous = (COSString)tokens.get( j-1 );
//将此字符串的内容作为PDF文本字符串返回。
String string=previous.getString();
//replaceFirst>>替换第一个字符
string = string.replaceFirst( vo.getStrtofind(), vo.getMessage() );
System.out.println(string);
System.out.println(string.getBytes("GBK"));
//重置COSString对象
previous.reset();
//设置字符编码格式
previous.append(string.getBytes("GBK") );
}else if(op.getOperation().equals("TJ")){
//COSArray是pdfbase对象数组,作为PDF文档的一部分
COSArray previous =(COSArray)tokens.get( j-1 );
//循环previous
for (int k = 0; k < previous.size(); k++) {
//这将从数组中获取一个对象,这将取消引用该对象
//如果对象为cosnull，则返回null
Object arrElement = previous.getObject( k );
if( arrElement instanceof COSString ){
//COSString对象>>创建java字符串的一个新的文本字符串。
COSString cosString =(COSString)arrElement;
//将此字符串的内容作为PDF文本字符串返回。
String string =cosString.getString();
//替换
string = string.replaceFirst( vo.getStrtofind(), vo.getMessage());
//重置COSString对象
cosString.reset();
//设置字符编码格式
cosString.append(string.getBytes("GBK") );
}
}
}
}
}
//创建一个PDStream 流对象
PDStream updatedStream = new PDStream(doc);
//创建一个输出流接收updatedStream
OutputStream out =updatedStream.createOutputStream();
//将接受一个列表并写出它们的流。
ContentStreamWriter tokenWriter =new ContentStreamWriter(out);
//写入一系列标记，后面跟着一行新行
tokenWriter.writeTokens(tokens);
//当前页设置新的内容
page.setContents( updatedStream );
//修改后保存的路径
doc.save(vo.getOutputfile());
//操作后的页数
vo.setAfterPages(doc.getNumberOfPages());
} catch (Exception e) {
e.printStackTrace();
}finally{
if( doc != null ){
//关闭文档
doc.close();
}
}
return vo;
}—–5在pdf中插入图片(按指定页数插入)
/**
* 在pdf中插入图片
* @param inputFile
* @param image
* @param outputFile
* @throws IOException
* @throws COSVisitorException
*/
public static pdfDomainVO insertImage( pdfDomainVO vo )
throws IOException, COSVisitorException{
//偏移量设置
String[] position =vo.getPosition().split(",");
int x =Integer.valueOf(position[0]);
int y =Integer.valueOf(position[position.length-1]);
//创建一个文档对象
PDDocument doc =null;
try {
//加载
doc = PDDocument.load(vo.getInputfile());
//获取加载进来的pdf文件的页面
PDPage page = (PDPage)doc.getDocumentCatalog().getAllPages().get( vo.getPageno() );
//pdfbox中图片对象类
PDXObjectImage ximage = null;
//判断是否是.jpg格式的图片
if( vo.getImagefile().toLowerCase().endsWith( ".jpg" ) ){
//传入一张图片
ximage = new PDJpeg(doc, new FileInputStream( vo.getImagefile() ) );
}//如果是tif或tiff格式
else if (vo.getImagefile().toLowerCase().endsWith(".tif") || vo.getImagefile().toLowerCase().endsWith(".tiff")){
ximage = new PDCcitt(doc, new RandomAccessFile(new File(vo.getImagefile()),"r"));
}else{
//Image和BufferedImage的主要作用就是将一副图片加载到内存中
BufferedImage awtImage = ImageIO.read( new File( vo.getImagefile() ) );
ximage = new PDPixelMap(doc, awtImage);
}
//这是选择如何处理流：覆盖、追加
PDPageContentStream contentStream = new PDPageContentStream(doc, page, true, true);
//控制图片的大小
float scale = vo.getImgSize();
scale = scale/10;//(这个值最好是0.1~1,0.5就已经很大了)
//ximage.setHeight(ximage.getHeight()/5);
//ximage.setWidth(ximage.getWidth()/5);
System.out.println(ximage.getHeight());
System.out.println(ximage.getWidth());
//设置位移等参数
contentStream.drawXObject(ximage, x, y, ximage.getWidth()*scale, ximage.getHeight()*scale);
//关闭流对象
contentStream.close();
//保存路径
doc.save( vo.getOutputfile() );
//操作后的页数
vo.setAfterPages(doc.getNumberOfPages());
} catch (Exception e) {
e.printStackTrace();
}finally{
if( doc != null ){
//关闭文档
doc.close();
}
}
return vo;
}—–6指定页数的PDF文件转换为图片
/***
* 指定页数的PDF文件转换为图片：
* @param inputFile
* @param outputFile 这里指定文件夹
*/
public static pdfDomainVO toImage( pdfDomainVO vo ) {
try {
//加载
PDDocument doc = PDDocument.load(vo.getInputfile());
//
//int pageCount = doc.getPageCount();
////获取全部页数
//指定单页转pdf
List pages = doc.getDocumentCatalog().getAllPages();
if(vo.getPageno()!=null){
String count=(int)(Math.random()*1000)+"-"+(int)(Math.random()*1000);
//接收页面
PDPage page = (PDPage) pages.get(vo.getPageno());
//定义图片操作对象来设置图片
BufferedImage image = page.convertToImage();
//定义迭代器对象存储
Iterator iter = ImageIO.getImageWritersBySuffix("jpg");
//图片写入器对象写入图片
ImageWriter writer = (ImageWriter) iter.next();
//循环保存图片
File outFile = new File(vo.getOutputfile()+vo.getFilename()+"-"+(vo.getPageno()+1)+".jpg");
//创建文件输出流对象
FileOutputStream out = new FileOutputStream(outFile);
//ImageIO去实现ImageOutputStream获取当前图片
ImageOutputStream outImage = ImageIO.createImageOutputStream(out);
writer.setOutput(outImage);
writer.write(new IIOImage(image, null, null));
}else{
//循环
for (int i = 0; i < pages.size(); i++) {
//接收页面
PDPage page = (PDPage) pages.get(i);
//定义图片操作对象来设置图片
BufferedImage image = page.convertToImage();
//定义迭代器对象存储
Iterator iter = ImageIO.getImageWritersBySuffix("jpg");
//图片写入器对象写入图片
ImageWriter writer = (ImageWriter) iter.next();
//循环保存图片
File outFile = new File(vo.getOutputfile()+i+".jpg");
//创建文件输出流对象
FileOutputStream out = new FileOutputStream(outFile);
//ImageIO去实现ImageOutputStream获取当前图片
ImageOutputStream outImage = ImageIO.createImageOutputStream(out);
writer.setOutput(outImage);
writer.write(new IIOImage(image, null, null));
}
}
//关文档
doc.close();
//操作后的页数
vo.setAfterPages(doc.getNumberOfPages());
System.out.println("over");
} catch (Exception e) {
e.printStackTrace();
}
return vo;
}—–7指定页插入一段文字(大家可自调字体,插入文字的位置)
/***
* 指定页插入一段文字
* @param inputFile
* @param message
* @param outputFile
* @throws IOException
* @throws COSVisitorException
*/
public static pdfDomainVO InsertPageContent (pdfDomainVO vo ) throws IOException, COSVisitorException
{
// the document
PDDocument doc = null;
try
{
doc = PDDocument.load( vo.getInputfile() );
List allPages = doc.getDocumentCatalog().getAllPages();
PDFont font = PDType1Font.HELVETICA_BOLD;
//字体大小
float fontSize = 36.0f;
PDPage page = (PDPage)allPages.get( vo.getPageno() );
PDRectangle pageSize = page.findMediaBox();
float stringWidth = font.getStringWidth( vo.getMessage() )*fontSize/1000f;
// calculate to center of the page
int rotation = page.findRotation();
boolean rotate = rotation == 90 || rotation == 270;
float pageWidth = rotate ? pageSize.getHeight() : pageSize.getWidth();
float pageHeight = rotate ? pageSize.getWidth() : pageSize.getHeight();
double centeredXPosition = rotate ? pageHeight/2f : (pageWidth - stringWidth)/2f;
double centeredYPosition = rotate ? (pageWidth - stringWidth)/2f : pageHeight/2f;
// append the content to the existing stream
PDPageContentStream contentStream = new PDPageContentStream(doc, page, true, true,true);
contentStream.beginText();
// set font and font size
contentStream.setFont( font, fontSize );
// set text color to red
contentStream.setNonStrokingColor(255, 0, 0);
if (rotate)
{
// rotate the text according to the page rotation
contentStream.setTextRotation(Math.PI/2, centeredXPosition, centeredYPosition);
}
else
{
contentStream.setTextTranslation(centeredXPosition, centeredYPosition);
}
contentStream.drawString( vo.getMessage() );
contentStream.endText();
contentStream.close();
vo.setAfterPages(doc.getNumberOfPages());
doc.save( vo.getOutputfile() );
System.out.println("over");
}
finally
{
if( doc != null )
{
doc.close();
}
}
return vo;
}—–8提取图片并保存
/**
* 提取图片并保存
* @param pdfDomainVO
* @throws IOException
*
*/
public static pdfDomainVO extractImage(pdfDomainVO vo ) throws IOException{
//创建文档
PDDocument doc=null;
try{
//加载 pdf 文档,获取PDDocument文档对象
doc=PDDocument.load(vo.getInputfile());
/** 文档页面信息 **/
//获取PDDocumentCatalog文档目录对象
PDDocumentCatalog catalog = doc.getDocumentCatalog();
//获取文档页面PDPage列表
List pages = catalog.getAllPages();
int pageNum=pages.size(); //文档页数
PDPage page = null;
if(vo.getPageno()!=null){
page = ( PDPage ) pages.get( vo.getPageno() );
if( null != page ){
PDResources resource = page.findResources();
//获取页面图片信息
Map imgs = resource.getImages();
for(Map.Entry me: imgs.entrySet()){
//System.out.println(me.getKey());
PDXObjectImage img = me.getValue();
//保存图片，会自动添加图片后缀类型
img.write2file( vo.getOutputfile() + vo.getFilename()+"-"+(vo.getPageno()+1) );
}
}
}else{
//遍历每一页
for( int i = 0; i < pageNum; i++ ){
//取得第i页
page = ( PDPage ) pages.get( i );
if( null != page ){
PDResources resource = page.findResources();
//获取页面图片信息
Map imgs = resource.getImages();
for(Map.Entry me: imgs.entrySet()){
String count=(int)(Math.random()*1000)+"-"+(int)(Math.random()*1000);
//System.out.println(me.getKey());
PDXObjectImage img = me.getValue();
//保存图片，会自动添加图片后缀类型
img.write2file( vo.getOutputfile() + count );
}
}
}
}
//操作后的页数
vo.setAfterPages(doc.getNumberOfPages());
System.out.println("extractImage:over");
} finally
{
if( doc != null )
{
doc.close();
}
}
return vo;
} —–9PDF文档中删除页面(不能删除最后一页！)
/***
* PDF文档中删除页面
* 一个PDF文档必须至少有一页，且不能删除最后一页！
* @param inputFile
* @param outputFile
* @throws Exception
*/
public static pdfDomainVO removePage(pdfDomainVO vo) throws Exception
{
vo.setStatus(Details.FailStatus);
PDDocument document = null;
try
{
document = PDDocument.load(vo.getInputfile() );
if( document.isEncrypted() )
{
throw new IOException( "Encrypted documents are not supported for this example" );
}
if( document.getNumberOfPages() <= 1 )
{
throw new IOException( "Error: A PDF document must have at least one page, " +
"cannot remove the last page!");
}
document.removePage( vo.getPageno() );
document.save(vo.getOutputfile() );
//操作后的页数
vo.setAfterPages(document.getNumberOfPages());
//设置成功状态
vo.setStatus(Details.SuccessStatus);
System.out.println("over");
}
finally
{
if( document != null )
{
document.close();
}
}
return vo;
}