java - 提取的 pdf 文本未显示在控制台中

Question

我正在尝试使用 Tabula 提取 pdf 文本。但是代码没有错误，但是当我运行提取的 pdf 文本时，控制台中没有显示。有人能帮忙吗。

我一直在使用 PDFBox，在做了一些研究之后，我发现 tabula 是新的并想尝试一下。

File file = new File(pdfFilePath);
PDDocument document = PDDocument.load(file);
ObjectExtractor oe = new ObjectExtractor(document);
Page page = oe.extract(1) //1st page
TextStripper textStripper = new TextStripper(document,1);
System.out.println(textStripper.getText(document));

output of pdf text

标签： javatabula

Answer 1

您没有使用 page 变量。试试下面的代码。

File file = new File(pdfFilePath);
PDDocument document = PDDocument.load(file);
ObjectExtractor oe = new ObjectExtractor(document);
Page page = oe.extract(1); // 1st page

for (TextElement textElement: page.getText()) {
  System.out.print(textElement.getText());
}