PDFBox簡介

可移植文檔格式(PDF)是一種文件格式，有助于以獨立于應用程序軟件，硬件和操作系統(tǒng)的方式呈現(xiàn)數(shù)據(jù)。

每個PDF文件都包含固定布局平面文檔的說明，包括顯示文本，字體，圖形和其他信息。
有幾個庫可用于通過程序創(chuàng)建和操作PDF文檔，例如 -

• Adobe PDF庫 - 該庫提供C++，.NET和Java等語言的API，使用此庫可以編輯，查看打印和從PDF文檔中提取文本。

• 格式化對象處理器 - 由XSL格式化對象和輸出獨立格式化程序驅(qū)動的開源打印格式化程序。 主要輸出目標是PDF。

• iText - 這個庫提供了Java， C# 和其他.NET語言等語言的API，使用這個庫可以創(chuàng)建和操作PDF，RTF和HTML文檔。

• JasperReports - 這是一個Java報告工具，可在PDF文檔中生成報告，包括Microsoft Excel，RTF，ODT，逗號分隔值和XML文件。

PDFBox是什么？

Apache PDFBox是一個開源的Java庫，支持PDF文檔的開發(fā)和轉(zhuǎn)換。 使用這個庫，可以開發(fā)創(chuàng)建，轉(zhuǎn)換和操作PDF文檔的Java程序。

除此之外，PDFBox還包含一個命令行實用程序，用于使用可用的Jar文件對PDF執(zhí)行各種操作。

PDFBox的特點

下面列出PDFBox的特點 -

• 提取文本 - 使用PDFBox，可以從PDF文件中提取Unicode文本。
• 拆分和合并 - 使用PDFBox，可以將單個PDF文件分割成多個文件，并將它們合并為一個文件。
• 填寫表單 - 使用PDFBox，可以將填寫表單填入文檔中。
• 打印 - 使用PDFBox，可以使用標準Java打印API打印PDF文件。
• 另存為圖像 - 使用PDFBox，可以將PDF保存為圖像文件，例如:PNG或JPEG。
• 創(chuàng)建PDF - 使用PDFBox，可以通過創(chuàng)建Java程序來創(chuàng)建一個新的PDF文件，并且還可以包含圖像和字體。
• 簽名 - 使用PDFBox，可以將數(shù)字簽名添加到PDF文件。

PDFBox的應用

以下是PDFBox的應用 -

• Apache Nutch - Apache Nutch是一款開源的網(wǎng)絡搜索軟件。它建立在Apache Lucene的基礎上，添加了一些特定于web的內(nèi)容，例如:爬蟲，鏈接圖數(shù)據(jù)庫，用于HTML和其他文檔格式的解析器等。

• Apache Tika - Apache Tika是一個使用現(xiàn)有解析器庫從各種文檔檢測和提取元數(shù)據(jù)和結(jié)構(gòu)化文本內(nèi)容的工具包。

PDFBox的組件

以下是PDFBox的四個主要組件 -

• PDFBox - 這是PDFBox的主要部分。 這包含與內(nèi)容提取和操作相關的類和接口。
• FontBox - 包含與字體相關的類和接口，使用這些類可以修改PDF文檔的文本字體。
• XmpBox - 包含處理XMP元數(shù)據(jù)的類和接口。
• Preflight - 此組件用于根據(jù)PDF/A-1b標準驗證PDF文件。