如何從pdf文件中提取有用信息

首先，須要學習PDFBox，PDFBox項目中有兩個子項目：FontBox和JempBox。FontBox是一個處理PDF字體的Java類庫，JempBox是一個處理XMP元數據的Java類庫。 PDF文檔內容流中的數據能夠被當作是操做符和操做數組組成的序列，從實現的角度看，PDF數據是一系列基本對象的集合：數組、布爾型、字典、數字、字符串和二進制流。 PDFBox的主要包介紹參見這位同窗寫的博客

>>阅读原文<<