如何使用java來識別pdf文件中的表格，圖像和列表？

Question

我是新來的java編程....我需要提取每個tables and images as per source，我嘗試使用pdfbox提取文本，但我只獲取文本和文本屬性。如何識別表格，圖片，列表等。使用java程序。

是否可以識別PDF文件...？

我使用模塊PDFbox,如果任何想法進一步處理......，

Answer 1

下面的代碼可以用來提取圖像：

List pages = document.getDocumentCatalog().getAllPages(); 
       Iterator iter = pages.iterator(); 
       while(iter.hasNext()) 
       { 
        PDPage page = (PDPage)iter.next(); 
        PDResources resources = page.getResources(); 
        Map images = resources.getImages(); 
        if(images != null) 
        { 
         Iterator imageIter = images.keySet().iterator(); 
         while(imageIter.hasNext()) 
         { 
          String key = (String)imageIter.next(); 
          PDXObjectImage image = (PDXObjectImage)images.get(key); 
          String name = getUniqueFileName(key, image.getSuffix()); 
          System.out.println("Writing image:" + name); 
          image.write2file(name); 
         } 
        } 
       } 

您可以參考here了類似的問題。