从PDF文件中提取文本和图像

Question

我一直在用这个碰头，研究并几乎尝试了每个建议给我的图书馆。 我目前正在尝试用Java编写一个程序，该程序将从pdf文件中提取文本和图像，并允许我将提取的内容写入word文件。 我已经设法使用ICEpdf库提取内容，但是问题是我需要能够按照与读取内容完全相同的顺序来编写内容。 因此，为澄清起见，我需要一个库来帮助我跟踪文本和图像在页面中的确切位置，以便将它们放在Word文件中的同一位置。

Answer 1

PDF到Word转换器是一个非常复杂的命题。

您最好的选择可能是使用Open Office为您完成此任务，甚至不要尝试执行中间步骤。

http://www.openoffice.org/api/

Answer 2

看一下： Java的高级PDF解析器

关：

-据我所知，还有一个python解析器，可以将pdf转换为html（这样，您就可以跟踪pdf中对象的顺序）。 我知道它不是java，但您也许可以使用输出。 http://www.unixuser.org/~euske/python/pdfminer/index.html