废话少说，上干货！！！
示例文件：
表1 XXX（XXXXX）表
|----|----|----|------|----|----|----|------|------|
| 名称 | 编码 | 长度 | 数据类型 | 非空 | 主键 | 外键 | 正则校验 | 值域范围 |
| | | | | | | | | |
| | | | | | | | | |
| | | | | | | | | |
| | | | | | | | | |
表2 XXXX表
|----|----|----|------|----|----|----|
| 名称 | 编码 | 长度 | 数据类型 | 非空 | 主键 | 外键 |
| | | | | | | |
| | | | | | | |
| | | | | | | |
| | | | | | | |
以上数据库表设计中，如何去解析并打印出具体的内容呢？
直接上程序：
import org.apache.pdfbox.pdmodel.PDDocument;
import org.apache.pdfbox.text.PDFTextStripper;
import java.io.File;
import java.io.IOException;
import java.util.ArrayList;
import java.util.List;
public class Test {
public static void main(String[] args) {
try (PDDocument document = PDDocument.load(new File("C:\\Users\\AA\\Desktop\\test.pdf"))) {
PDFTextStripper pdfStripper = new PDFTextStripper();
String text = pdfStripper.getText(document);
extractTableInfo(text);
} catch (IOException e) {
e.printStackTrace();
}
}
/**
* 提取表名称
*
* @param text
* @return
*/
private static void extractTableInfo(String text) {
boolean titleStart = false;
boolean titleEnd = false;
boolean headStart = false;
boolean headEnd = false;
boolean contentStart = false;
String preTableTile = "";//记录当前表标题名
StringBuilder tablePreTile = new StringBuilder();//当前的表格标题
List<String> originList = new ArrayList<>();
// 按行分割文本
String[] lines = text.split("\\r?\\n");
for (String line : lines) {
line = line.trim();
//如果一行是纯数字，则可能是解析出的页码，过滤掉
if (isPureDigit(line)) {
continue;
}
//如果是以GJB或者JB开头，可能是标题，过滤掉
if (isGJB(line)) {
continue;
}
//--------------------------表名称解析--------------------------
if ((line.startsWith("表") && line.endsWith("表")) || (line.startsWith("表") && line.length() < 20)) {//标题仅有一行的处理
titleEnd = true;
titleStart = false;
headStart = true;
if (originList.size() > 0) {
reSort(originList);
originList = new ArrayList<>();
}
tablePreTile.append(line.trim());
preTableTile = tablePreTile.toString();
tablePreTile.setLength(0);//标题置空
System.out.println("【表】" + preTableTile);
continue;
}
if (line.startsWith("表") && line.length() > 20 && (!line.endsWith("表"))) {//如果标题为多行，第一行处理
titleStart = true;
tablePreTile.append(line.trim());
if (originList.size() > 0) {
reSort(originList);
originList = new ArrayList<>();
}
continue;
}
if (titleStart && (!titleEnd) && (!line.endsWith("表"))) {//如果标题为多行，中间行(非尾行)处理
tablePreTile.append(line.trim());
continue;
}
if (titleStart && line.endsWith("表")) {//如果标题为多行,尾行处理
titleEnd = true;
titleStart = false;
headStart = true;
tablePreTile.append(line.trim());
preTableTile = tablePreTile.toString();
tablePreTile.setLength(0);//标题置空
System.out.println("【表】" + preTableTile);
continue;
}
//--------------------------表格头解析--------------------------
if (titleEnd && !titleStart && headStart && !titleStart && countSpaces(line) >= 5) {//标题解析结束后，开始解析表头，//普通文字或者其他杂乱字符部分,表内容至少包括：名称、代码、类型、非空、主外键这5个，则直接丢弃
System.out.println("【表头】" + line);
headStart = false;
headEnd = true;
contentStart = true;
continue;
}
//--------------------------表内容记录--------------------------
if (!line.trim().equals("")) {//过滤空行
if (headEnd && !headStart && contentStart) {
originList.add(line);
}
}
}
//针对最后的行处理
if (originList.size() > 0) {
reSort(originList);
}
}
/**
* 对内容进行重新排列
*
* @param originList
*/
private static void reSort(List<String> originList) {
if (originList.size() > 0) {
// 定义最大长度 x
/* int maxLength = getMaxSplitLength(originList);*/
// 结果列表
List<String> result = new ArrayList<>();
// 遍历字符串列表
for (int i = 0; i < originList.size(); i++) {
String current = originList.get(i);
String[] split = current.split(" ");
int splitLength = split.length;
if (splitLength < 6) {//如果按行列宽至少5个字段，如果小于6，则是被分割字段，需要进行拼接重组
boolean hasChinese = containsChinese(current);
if (hasChinese) {
// 向后拼接
while (i + 1 < originList.size() && splitLength < 6) {
String next = originList.get(++i);
current += next; // 向后拼接
split = current.split(" ");
splitLength = split.length;
}
} else {
// 向前拼接
if (i > 0) {
String previous = result.remove(result.size() - 1);
current = previous + " " + current; // 向前拼接
}
}
}
// 将拼接后的字符串添加到结果列表
result.add(current);
}
// 输出结果
for (String res : result) {
System.out.println("【表内容】" + res);
}
}
}
/**
* 计算字符串中空格的数量
*
* @param str 输入字符串
* @return 空格数量
*/
private static int countSpaces(String str) {
if (str == null) {
return 0; // 如果字符串为 null，返回 0
}
int count = 0;
for (char c : str.toCharArray()) {
if (c == ' ') {
count++;
}
}
return count;
}
// 判断字符串是否纯数字
private static boolean isPureDigit(String line) {
return line.matches("\\d+");
}
// 判断字符串是否纯数字
private static boolean isGJB(String line) {
return line.startsWith("GJB") || line.startsWith("JB");
}
// 判断字符串是否包含中文
private static boolean containsChinese(String str) {
for (char c : str.toCharArray()) {
if (Character.UnicodeScript.of(c) == Character.UnicodeScript.HAN) {
return true;
}
}
return false;
}
// 计算最大分割长度的函数
private static int getMaxSplitLength(List<String> strings) {
int maxLength = 0;
for (String s : strings) {
// 按空格分割字符串
String[] split = s.split(" ");
// 更新最大长度
maxLength = Math.max(maxLength, split.length);
}
return maxLength;
}
}
需要用到的JAR包：
pdfbox-2.0.32.jar