java解析pdf文件并输出指定的内容

梦里梦外; 2022-12-28 04:15 383阅读 0赞

## 要求 ##

通过解析pdf文件，输出发票代码，发票号码，开票日期(YYYYMMDD)，校验码后六位。  
![在这里插入图片描述][watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3FxXzQwNjkzNjAz_size_16_color_FFFFFF_t_70]

## [Demo下载地址(包含jar包和测试pdf文件)][Demo_jar_pdf] ##

## 实现 ##

import java.io.File;
    import org.apache.pdfbox.pdmodel.PDDocument;
    import org.apache.pdfbox.text.PDFTextStripper;
    public class PDFInvoiceExtractor { 
        /** * @param path pdf文件的路径 * @return pdf中的文本信息，但是由于pdf本身格式的问题，导致文本的顺序可能会错乱。 */
        public  String parsePDF(String path){ 
        	String result = "";
        	try{ 
            	PDDocument document = PDDocument.load(new File(path));
                PDFTextStripper stripper = new PDFTextStripper();
                stripper.setSortByPosition(true);
                for (int p = 1; p <= document.getNumberOfPages(); ++p)
                { 
                    stripper.setStartPage(p);
                    stripper.setEndPage(p);
                    String text = stripper.getText(document);
                    result += text;
                }   		
        	}catch(Exception e){ 
        		e.printStackTrace();
        	}
        	return result;    	
        }
        
    	public static void main(String[] args) { 
    		PDFInvoiceExtractor pie = new PDFInvoiceExtractor();
    		//System.out.println(pie.parsePDF("031001800211-84462201 - 图书.pdf"));
    		//TODO 这里开始你们的表演：
    		//对给出的4个pdf文件进行解析。
    		//使用String解析上述的文本信息(即下面的变量s)，只输出发票代码，发票号码，开票日期（YYYYMMDD公示），校验码后六位。
    		String s = pie.parsePDF("76439508 - 技术服务费 阿里云.pdf");
    		System.out.println(s);
    		//发票代码
    		System.out.println("发票代码："+s.substring(s.indexOf("发票代码")+5).split("[^0-9]")[0]);
    		//发票号码
    		System.out.println("发票号码："+s.substring(s.indexOf("发票号码")+5).split("[^0-9]")[0]);
    		//开票日期
    		System.out.println("开票日期："+s.substring(s.indexOf("开票日期")+5).split("日")[0].replaceAll("[^0-9]",""));
    		//校验码
    		s=s.replaceAll(" ","");
    		String jiao= s.substring(s.indexOf("校验码")+4).split("[^0-9]")[0];
    		System.out.println("校验码："+jiao.substring(jiao.length()-6));
    	}
    }

写作不易，既然来了，不妨点个关注，点个赞吧！！！

[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3FxXzQwNjkzNjAz_size_16_color_FFFFFF_t_70]: /images/20221120/54c6dcb3ea3e4321b6af9d61cbdc3392.png
[Demo_jar_pdf]: https://download.csdn.net/download/qq_40693603/13686198