Konwerter plików PDF na TXT

Jak przekonwertować PDF na TXT za pomocą Java

Plik PDF zazwyczaj składa się z tekstu, obrazu, nagłówka, adnotacji i innych elementów. A ponieważ ten format zachowuje układ dokumentu na różnych platformach (komputer stacjonarny/mobilny itp.), dlatego jest szeroko stosowany do udostępniania informacji przez Internet. Możemy jednak mieć wymóg wyodrębnienia zawartości tekstowej dokumentu PDF w celu dalszego przetwarzania. Dlatego w tym artykule omówimy szczegóły, jak wyodrębnić tekst z pliku PDF za pomocą Java Cloud SDK. Po zakończeniu operacji dane wyjściowe są zapisywane w formacie TXT.

Interfejs API konwersji plików PDF na TXT

Aspose.PDF Cloud SDK for Java to nasze wielokrotnie nagradzane rozwiązanie REST API oferujące możliwości tworzenia, edytowania i konwertowania plików PDF na JPG, XPS, HTML, DOCX i wiele innych obsługiwanych formatów. Teraz, aby zaimplementować możliwości rozpoznawania tekstu pdf w aplikacji Java, dodaj następujące szczegóły w pom.xml projektu typu maven build.

<repositories> 
    <repository>
        <id>aspose-cloud</id>
        <name>artifact.aspose-cloud-releases</name>
        <url>https://artifact.aspose.cloud/repo</url>
    </repository>   
</repositories>

<dependencies>
    <dependency>
        <groupId>com.aspose</groupId>
        <artifactId>aspose-pdf-cloud</artifactId>
        <version>21.11.0</version>
    </dependency>
</dependencies>

Kolejnym ważnym krokiem po instalacji SDK jest utworzenie darmowego konta w Aspose Cloud. Zaloguj się przy użyciu nowo utworzonego konta i wyszukaj/utwórz identyfikator klienta oraz klucz tajny klienta w Cloud Dashboard. Te szczegóły są wymagane w kolejnych sekcjach.

PDF na tekst w Javie

Wykonaj czynności podane poniżej, aby przeprowadzić konwersję plików PDF na tekst przy użyciu pakietu Java Cloud SDK. Tak więc po udanej konwersji wynikowy plik TXT jest zapisywany w chmurze.

  • Najpierw musimy utworzyć obiekt PdfApi, podając ClientID i Client secret jako argumenty
  • Po drugie, załaduj wejściowy plik PDF za pomocą instancji File
  • Prześlij wejściowy plik PDF do magazynu w chmurze za pomocą metody uploadFile(…).
  • Utwórz zmienną typu Integer określającą numer strony PDF do wyodrębnienia tekstu i podwójne instancje wskazujące prostokątny region strony, z którego musimy wyodrębnić zawartość tekstową
  • Na koniec wywołaj metodę getPageText(…), aby pobrać zawartość tekstową z wejściowego pliku PDF
try
    {
    // Uzyskaj ClientID i ClientSecret z https://dashboard.aspose.cloud/
    String clientId = "bb959721-5780-4be6-be35-ff5c3a6aa4a2";
    String clientSecret = "4d84d5f6584160cbd91dba1fe145db14";
	  
    // utwórz instancję PdfApi
    PdfApi pdfApi = new PdfApi(clientSecret,clientId);

    // nazwa wejściowego dokumentu PDF
    String inputFile = "marketing.pdf";

    // przeczytaj zawartość wejściowego pliku PDF
    File file = new File("//Users//"+inputFile);
	    
    // przesłać plik PDF do magazynu w chmurze
    pdfApi.uploadFile("input.pdf", file, null);

    // określoną stronę pliku PDF do konwersji
    int pageNumber =1;

    // Współrzędna X dolnego - lewego rogu
    Double LLX = 0.0;
    // Y - współrzędna lewego dolnego rogu.
    Double LLY = 0.0;
    // X - współrzędna prawego górnego rogu.
    Double URX = 800.0;
    // Y - współrzędna prawego górnego rogu.
    Double URY = 800.0;
	       
    // wywołaj API, aby przekonwertować plik PDF na tekst
    TextRectsResponse response = pdfApi.getPageText(inputFile, pageNumber, LLX, LLY, URX, URY, null, null, true, null, "default");	    
    
    // wynikowa instancja pliku TXT
    FileWriter myWriter = new FileWriter("filename.txt");
  
    // Teraz przejdź przez poszczególne wystąpienia tekstu, aby uzyskać wynik drukowania w konsoli
    for(int counter=0; counter <=response.getTextOccurrences().getList().size()-1; counter++)
    {
        // zapisz treść tekstową do pliku TXT
	myWriter.write(response.getTextOccurrences().getList().get(counter).getText());
    }
  
    // zamknij obsługę TXT
    myWriter.close();
    
    System.out.println("Text successfully extracted from PDF !");
    }catch(Exception ex)
    {
	      System.out.println(ex);
    }
Konwertuj PDF na TXT

Obraz 1: - Podgląd konwersji PDF na TXT

Przykładowy plik PDF użyty w powyższym przykładzie można pobrać z marketing.pdf i extracted.txt

Wyodrębnij tekst z pliku PDF za pomocą poleceń cURL

Dostęp do interfejsów API REST można łatwo uzyskać za pomocą poleceń cURL, dlatego w tej sekcji zbadamy opcję, w jaki sposób możemy wyodrębnić zawartość tekstową z pliku PDF za pomocą poleceń cURL. Tak więc jako warunek wstępny musimy najpierw wygenerować token dostępu JWT (na podstawie poświadczeń klienta) podczas wykonywania następującego polecenia.

curl -v "https://api.aspose.cloud/connect/token" \
-X POST \
-d "grant_type=client_credentials&client_id=bb959721-5780-4be6-be35-ff5c3a6aa4a2&client_secret=4d84d5f6584160cbd91dba1fe145db14" \
-H "Content-Type: application/x-www-form-urlencoded" \
-H "Accept: application/json"

Gdy mamy token JWT, musimy wykonać następujące polecenie, aby wyodrębnić wszystkie wystąpienia tekstu w dokumencie PDF.

curl -v -X GET "https://api.aspose.cloud/v3.0/pdf/input.pdf/text?splitRects=true&LLX=0&LLY=0&URX=800&URY=800" \
-H  "accept: application/json" \
-H  "authorization: Bearer <JWT Token>"

Wniosek

W tym artykule wyjaśniono szczegółowe informacje na temat konwertowania plików PDF na TXT przy użyciu pakietu Java Cloud SDK. Jednocześnie zbadaliśmy również opcje wyodrębniania tekstu z pliku PDF za pomocą poleceń cURL. Dzięki elastyczności przechodzenia między wieloma stronami PDF mamy kontrolę nad tym, gdzie wyodrębnić zawartość. Zdecydowanie zalecamy zapoznanie się z produktem Dokumentacja, aby dowiedzieć się więcej o innych ekscytujących funkcjach oferowanych przez Java Cloud API. Ponadto, ponieważ wszystkie nasze Cloud SDK są publikowane na licencji MIT, możesz rozważyć pobranie pełnego kodu źródłowego z GitHub i zmodyfikowanie go zgodnie z własnymi wymaganiami. W przypadku jakichkolwiek problemów możesz rozważyć skontaktowanie się z nami w celu szybkiego rozwiązania za pośrednictwem bezpłatnego forum wsparcia produktu.

Powiązane artykuły

Odwiedź poniższe linki, aby dowiedzieć się więcej o: