使用itextpdf提取PDF文件中的任意页码

现在有这样的一个需求：

有一个几十页的PDF文件，现在需要从中拆分出指定的页码，然后生成一个新的PDF文件。

这个时候，可以使用开源的 itextpdf 库来实现，itextpdf 的官方 github 地址为：https://github.com/itext/itextpdf.

下面通过具体的代码来演示。

1、引入依赖

目前 itextpdf 最新版本为 5.5.13.3，可以在 https://search.maven.org/ 网站进行搜索。


    com.itextpdf
    itextpdf
    5.5.13.3

2、代码实现

2.1 指定页码抽取

package com.magic.itextpdf;

import java.io.FileOutputStream;
import java.io.IOException;
import java.util.List;
import java.util.Objects;

import com.itextpdf.text.Document;
import com.itextpdf.text.DocumentException;
import com.itextpdf.text.pdf.PdfCopy;
import com.itextpdf.text.pdf.PdfReader;
import com.itextpdf.text.pdf.PdfSmartCopy;

/**
 * PDF工具类
 */
public class PdfUtils {

    /**
     * 抽取PDF文件
     * @param sourceFile 源PDF文件路径
     * @param targetFile 目标PDF文件路径
     * @param extractedPageNums 需要抽取的页码
     */
    public static void extract(String sourceFile, String targetFile, List extractedPageNums) {
        Objects.requireNonNull(sourceFile);
        Objects.requireNonNull(targetFile);
        PdfReader reader = null;
        Document document = null;
        FileOutputStream outputStream = null;
        try {
            // 读取源文件
            reader = new PdfReader(sourceFile);
            // 创建新的文档
            document = new Document();
            // 创建目标PDF文件
            outputStream = new FileOutputStream(targetFile);
            PdfCopy pdfCopy = new PdfSmartCopy(document, outputStream);

            // 获取源文件的页数
            int pages = reader.getNumberOfPages();
            document.open();

            // 注意此处的页码是从1开始
            for (int page = 1; page <= pages; page++) {
                // 如果是指定的页码，则进行复制
                if (extractedPageNums.contains(page)) {
                    pdfCopy.addPage(pdfCopy.getImportedPage(reader, page));
                }
            }
        } catch (IOException | DocumentException e) {
            e.printStackTrace();
        } finally {
            if (reader != null) {
                reader.close();
            }

            if (document != null) {
                document.close();
            }

            if (outputStream != null) {
                try {
                    outputStream.flush();
                    outputStream.close();
                } catch (IOException e) {
                    e.printStackTrace();
                }
            }
        }
    }
}

extract() 方法有三个参数，分包是源PDF文件路径、目标PDF文件路径和指定页码，其中指定页码采用List集合进行传递，比如需要抽取第1页，可以像下面这样调用

PdfUtils.extract("D:\\Test\\test.pdf", "D:\\Test\\test_out.pdf", Collections.singletonList(1));

如果同时需要抽取多页，比如1、3、5页，那么可以这样调用

PdfUtils.extract("D:\\Test\\test.pdf", "D:\\Test\\test_out.pdf", Arrays.asList(1, 3, 5));

当然，如果一个PDF有一百多页，现在需要抽取10-60页，如果还是像上面一样传递参数，则会非常麻烦，此时就可以重载一个方法，实现传递起始页码和结束页码来抽取了。

2.2 起始结束页码抽取

重载 extract 方法，具体的代码如下：

/**
 * 抽取PDF文件
 * @param sourceFile 源PDF文件路径
 * @param targetFile 目标PDF文件路径
 * @param fromPageNum 起始页码
 * @param toPageNum 结束页码
 */
public static void extract(String sourceFile, String targetFile, int fromPageNum, int toPageNum) {
    Objects.requireNonNull(sourceFile);
    Objects.requireNonNull(targetFile);
    PdfReader reader = null;
    Document document = null;
    FileOutputStream outputStream = null;
    try {
        // 读取源文件
        reader = new PdfReader(sourceFile);
        // 创建新的文档
        document = new Document();
        // 创建目标PDF文件
        outputStream = new FileOutputStream(targetFile);
        PdfCopy pdfCopy = new PdfSmartCopy(document, outputStream);

        // 获取源文件的页数
        int pages = reader.getNumberOfPages();
        document.open();

        // 注意此处的页码是从1开始
        for (int page = 1; page <= pages; page++) {
            if (page >= fromPageNum && page <= toPageNum) {
                pdfCopy.addPage(pdfCopy.getImportedPage(reader, page));
            }
        }
    } catch (IOException | DocumentException e) {
        e.printStackTrace();
    } finally {
        if (reader != null) {
            reader.close();
        }

        if (document != null) {
            document.close();
        }

        if (outputStream != null) {
            try {
                outputStream.flush();
                outputStream.close();
            } catch (IOException e) {
                e.printStackTrace();
            }
        }
    }
}

对于连续页码而言，这个方式更加简单，比如要抽取 10-60页，那么可以这样调用

PdfUtils.extract("D:\\Test\\test.pdf", "D:\\Test\\test_out.pdf", 10, 60);

3、测试验证

现在有一个总共2页的PDF文件，分别使用上面的方法进行抽取拆分第1页，代码如下：

package com.magic.itextpdf;

import java.util.Collections;

public class Test {

    public static void main(String[] args) {
        PdfUtils.extract("D:\\Test\\test.pdf", "D:\\Test\\test_out_1.pdf", Collections.singletonList(1));
        PdfUtils.extract("D:\\Test\\test.pdf", "D:\\Test\\test_out_2.pdf", 1, 1);
    }
}

运行后，分别生成了 test_out_1.pdf 和 test_out_2.pdf 两个新文件，新文件都是源文件的第一页。

4、其他方法

如果只是处理单个PDF文件的话，那么可以使用WPS的打印功能，或者Chrome浏览器的打印功能都可以实现，非常方便。