springboot 读取pdf

### 实现 Spring Boot 中读取 PDF 文件 为了在 Spring Boot 应用程序中实现读取 PDF 文件的功能，通常会采用 Apache PDFBox 或 iText 这样的库。这些工具提供了强大的 API 来解析和操作 PDF 文档。 #### 使用 Maven 添加依赖项 首先，在 `pom.xml` 文件中加入所需的依赖： ```xml <dependency> <groupId>org.apache.pdfbox</groupId> <artifactId>pdfbox</artifactId> <version>2.0.27</version> </dependency> ``` 此部分描述了如何引入必要的外部库以便于后续的操作[^1]。 #### 创建服务层逻辑 接着创建一个简单的 Java 类用于加载并提取 PDF 的文本内容: ```java import org.apache.pdfbox.pdmodel.PDDocument; import org.apache.pdfbox.text.PDFTextStripper; @Service public class PdfService { public String extractTextFromPdf(InputStream inputStream) throws IOException { PDDocument document = null; try (inputStream){ document = PDDocument.load(inputStream); PDFTextStripper pdfStripper = new PDFTextStripper(); return pdfStripper.getText(document); } finally { if (document != null) { document.close(); } } } } ``` 上述代码展示了怎样利用 PDFBox 提供的方法去获取输入流中的 PDF 数据，并将其转换成字符串形式返回给调用者。 #### 控制器接口设计 最后一步是在控制器里暴露 RESTful 接口让用户上传 PDF 并接收处理后的结果： ```java @RestController @RequestMapping("/api/pdf") public class PdfController { private final PdfService pdfService; @Autowired public PdfController(PdfService pdfService) { this.pdfService = pdfService; } @PostMapping("/upload") public ResponseEntity<String> uploadFile(@RequestParam("file") MultipartFile file) { try { InputStream is = file.getInputStream(); String content = pdfService.extractTextFromPdf(is); HttpHeaders headers = new HttpHeaders(); headers.setContentType(MediaType.TEXT_PLAIN); return new ResponseEntity<>(content, headers, HttpStatus.OK); } catch (IOException e) { return new ResponseEntity<>("Failed to process the uploaded file.", HttpStatus.INTERNAL_SERVER_ERROR); } } } ``` 这里定义了一个 POST 请求映射 `/api/pdf/upload` ，它接受 multipart/form-data 形式的文件提交请求，并调用了之前编写的服务方法来完成实际的任务。