1、获取pdf页数

添加maven依赖：

        <!-- java获取Pdf文件页码 -->
        <dependency>
            <groupId>org.apache.pdfbox</groupId>
            <artifactId>pdfbox</artifactId>
            <version>1.8.11</version>
        </dependency>

代码实现：

	/** 
	 * 获取pdf页数
	 * @author lgn
	 * @date 2023/6/13 10:29
	 * @return int
	 */
	public static int getFilePage(String pdfName) throws IOException {
		int page=0;

		//pdfName：pdf文件路径
		try {
			PDDocument pdDocument = PDDocument.load(pdfName);
			page=pdDocument.getNumberOfPages();
		} catch (IOException e) {
			e.printStackTrace();
		}
		return page;
	}

	public static void main(String[] args) throws Exception {
/*		System.out.println("begin");
		PDFReport ppt = new PDFReport();
		String url = ppt.testWritePdf();
		System.out.println(url);
		System.out.println("end");*/

		String url="C:\\Users\\Administrator\\Desktop\\新建 DOC 文档.pdf";
		System.out.println(getFilePage(url));

	}

2、获取pdf文字内容

maven依赖：

        <!-- java 识别pdf -->
        <dependency>
            <groupId>org.apache.pdfbox</groupId>
            <artifactId>pdfbox</artifactId>
            <version>2.0.23</version>
        </dependency>

接口实现：

    /**
     * 获取pdf文字内容
     */
    @PostMapping("uploadPDF")
    public R<SysFile> uploadPDF(MultipartFile multipartFile) {
        try
        {
            //multipartFile为multipartFile文件类型，将文件转化为文件流被PDDocument加载
            PDDocument document = PDDocument.load(multipartFile.getInputStream());
            document.getClass();
            //使用PDFTextStripper 工具
            PDFTextStripper tStripper = new PDFTextStripper();
            //设置文本排序，有规则输出
            tStripper.setSortByPosition(true);
            //获取所有文字信息
            String info = tStripper.getText(document);

            System.out.println(info);
            return R.ok();
        }
        catch (Exception e)
        {
            log.error("上传文件失败", e);
            return R.fail(e.getMessage());
        }
    }

3、Java 提取 PDF 文件中的图片

引入maven依赖：

        <dependency>
            <groupId>e-iceblue</groupId>
            <artifactId>spire.pdf.free</artifactId>
            <version>3.9.0</version>
        </dependency>

    <repositories>
        <repository>
        <id>com.e-iceblue</id>
        <url>http://repo.e-iceblue.cn/repository/maven-public/</url>
        </repository>
    </repositories>

代码实现：

package com.ypk.swagger.utils.PDFUtils;

import com.spire.pdf.PdfDocument;
import com.spire.pdf.PdfPageBase;
import java.awt.image.BufferedImage;
import java.io.File;
import java.io.IOException;
import javax.imageio.ImageIO;

/**
 * 从 PDF 文档中提取图片
 * @author lgn
 * @date 2023/6/21 16:37
 */
public class PdfboxUtil {

    public static void main(String[] args) throws IOException {
        //创建 PdfDocument 类的对象
        PdfDocument doc = new PdfDocument();
        //载入PDF文档
        doc.loadFromFile("C:\\Users\\Administrator\\Desktop\\SY P-EM-02 A4 设备管理控制程序-.pdf");

        //声明一个int变量
        int index = 0;

        //循环遍历所有页面
        for (PdfPageBase page : (Iterable<PdfPageBase>) doc.getPages()) {
            //从页面中提取图片
            for (BufferedImage image : page.extractImages()) {

                //指定文件路径和文件名
                File output = new File("C:\\Users\\Administrator\\Desktop\\" + String.format("图片-%d.png", index++));

                //将图片保存为PNG文件
                ImageIO.write(image, "PNG", output);
            }
        }
    }

}