使用Java将PDF文件解析成Excel文件

安装pom依赖

xml 复制代码

<!--        解析pdf-->
        <dependency>
            <groupId>org.apache.pdfbox</groupId>
            <artifactId>pdfbox</artifactId>
            <version>2.0.27</version> <!-- 请检查并使用最新版本 -->
        </dependency>

测试读取pdf文件信息

java 复制代码

package com.ruoyi.sky.domain;

import org.apache.pdfbox.pdmodel.PDDocument;
import org.apache.pdfbox.text.PDFTextStripper;
import org.apache.poi.hssf.usermodel.HSSFWorkbook;
import org.apache.poi.ss.usermodel.Cell;
import org.apache.poi.ss.usermodel.Row;
import org.apache.poi.ss.usermodel.Sheet;
import org.apache.poi.ss.usermodel.Workbook;
import org.apache.poi.xssf.usermodel.XSSFWorkbook;

import java.io.File;
import java.io.FileOutputStream;
import java.io.IOException;

public class PDFReader {

    /**
     * 从指定路径的 PDF 文件中提取文本内容。
     *
     * @param pdfFilePath PDF 文件的路径
     * @return 提取的文本内容
     */
    public static String extractTextFromPDF(String pdfFilePath) {
        PDDocument document = null;
        try {
            // 打开 PDF 文档
            document = PDDocument.load(new File(pdfFilePath));

            // 创建 PDFTextStripper 对象用于提取文本
            PDFTextStripper pdfStripper = new PDFTextStripper();

            // 设置是否按照原始顺序提取文本（可选）
            pdfStripper.setSortByPosition(true);

            // 提取文本
            return pdfStripper.getText(document);
        } catch (IOException e) {
            e.printStackTrace();
        } finally {
            // 关闭文档以释放资源
            if (document != null) {
                try {
                    document.close();
                } catch (IOException e) {
                    e.printStackTrace();
                }
            }
        }
        return null;
    }
    private static void writeTextToExcel(String pdfText, String excelFilePath) throws IOException {
        // 判断excel文件类型
        boolean isXlsx = excelFilePath.endsWith(".xlsx");
        // 创建Workbook对象
        Workbook workbook = isXlsx ? new XSSFWorkbook() : new HSSFWorkbook();
        // 创建Sheet对象
        Sheet sheet = workbook.createSheet("Sheet1");
        // 将pdfText按行分割
        String[] lines = pdfText.split("\n");
        // 初始化行索引
        int rowIndex = 0;
        // 遍历每一行
        for (String line : lines) {
            // 创建Row对象
            Row row = sheet.createRow(rowIndex++);
            // 将每一行按单元格分割（先尝试用制表符）
            String[] cells = line.split("\t"); // 使用\t表示制表符
            // 初始化单元格索引
            int cellIndex = 0;
            // 遍历每一个单元格
            for (String cellValue : cells) {
                // 对每个单元格值进一步检查是否有空格
                if (cellValue.contains(" ")) {
                    // 如果有空格，再按照一个或多个连续的空格进行分割
                    String[] subCells = cellValue.split("\\s+");
                    for (String subCellValue : subCells) {
                        // 创建Cell对象
                        Cell cell = row.createCell(cellIndex++);
                        // 设置单元格的值
                        cell.setCellValue(subCellValue);
                    }
                } else {
                    // 创建Cell对象
                    Cell cell = row.createCell(cellIndex++);
                    // 设置单元格的值
                    cell.setCellValue(cellValue);
                }
            }
        }
        // 将Workbook对象写入文件
        workbook.write(new FileOutputStream(excelFilePath));
        // 关闭Workbook对象
        workbook.close();
    }
    public static void main(String[] args) throws IOException {
        // 指定 PDF 文件的路径
        String pdfFilePath = "D:\\Users\\Administrator\\Desktop\\关务\\测试.pdf";
        String excelFilePath = "D:\\Users\\Administrator\\Desktop\\关务\\dome.xlsx";
        // 调用方法提取文本并打印
        String text = extractTextFromPDF(pdfFilePath);
        if (text != null) {
            System.out.println(text);
            writeTextToExcel(text, excelFilePath);
            System.out.println("PDF已成功转换为Excel！");
        } else {
            System.out.println("无法读取 PDF 文件或文件为空。");
        }
    }
}

效果图