Tabula 看起來像是從 PDF 中提取表格數據的好工具。有很多示例說明如何從命令行調用它或在 Python 中使用它，但似乎沒有任何可用于 Java 的文檔。有沒有人有一個有效的例子？請注意，tabula 確實提供了源代碼，但在版本之間似乎很混亂。例如，GitHub 上的示例引用了 JAR 中似乎不存在的 TableExtractor 類。https://github.com/tabulapdf/tabula-java
2 回答
30秒到達戰場
TA貢獻1828條經驗 獲得超6個贊
您可以使用以下代碼從 Java 中調用 tabula，希望對您有所幫助
public static void main(String[] args) throws IOException {
final String FILENAME="../test.pdf";
PDDocument pd = PDDocument.load(new File(FILENAME));
int totalPages = pd.getNumberOfPages();
System.out.println("Total Pages in Document: "+totalPages);
ObjectExtractor oe = new ObjectExtractor(pd);
SpreadsheetExtractionAlgorithm sea = new SpreadsheetExtractionAlgorithm();
Page page = oe.extract(1);
// extract text from the table after detecting
List<Table> table = sea.extract(page);
for(Table tables: table) {
List<List<RectangularTextContainer>> rows = tables.getRows();
for(int i=0; i<rows.size(); i++) {
List<RectangularTextContainer> cells = rows.get(i);
for(int j=0; j<cells.size(); j++) {
System.out.print(cells.get(j).getText()+"|");
}
// System.out.println();
}
}
}
心有法竹
TA貢獻1866條經驗 獲得超5個贊
// ****** Extract text from the table after detecting & TRANSFER TO XLSX *****
XSSFWorkbook wb = new XSSFWorkbook();
Sheet sheet = wb.createSheet("Barang Baik");
List<Table> table = sea.extract(page);
for (Table t : table) {
int rowNumber = 0;
try {
while (sheet.getRow(rowNumber).getCell(0) != null) {
rowNumber++;
}
} catch (Exception e) { }
List<List<RectangularTextContainer>> rows = t.getRows();
for (int i = 0; i < rows.size(); i++) {
List<RectangularTextContainer> cells = rows.get(i);
Row row = sheet.createRow(i+rowNumber);
for (int j = 0; j < cells.size(); j++) {
Cell cell = row.createCell(j);
String cellValue = cells.get(j).getText();
cell.setCellValue(cellValue);
}
}
FileOutputStream fos = new FileOutputStream("C:\\your\\file.xlsx");
wb.write(fos);
fos.close();
}
添加回答
舉報
0/150
提交
取消