Java pdf转txt保留pdf文件位置

在Java中，将PDF转换成TXT并保持PDF文件的位置信息通常需要借助第三方库，如Apache PDFBox或iText等。这些库允许开发者读取PDF内容，并将其保存到文本文件中。下面是一个简单的概述：

1. **Apache PDFBox** - 它提供了一个叫做`PDFTextStripper`的类，可以逐页提取PDF的文字内容。首先，你需要添加PDFBox依赖到项目中，然后创建一个实例并设置PDF文件路径，最后通过`stripToText()`方法获取文本。

import org.apache.pdfbox.pdmodel.PDDocument;
import org.apache.pdfbox.text.PDFTextStripper;

public String convertPdfToTxt(String srcPdfPath) throws Exception {
    PDDocument document = PDDocument.load(new File(srcPdfPath));
    try {
        PDFTextStripper pdfStripper = new PDFTextStripper();
        return pdfStripper.getText(document);
    } finally {
        document.close();
    }
}

注意这将返回纯文本，位置信息丢失了。

2. **iText** - iText也支持PDF到文本的转换，你可以使用`ITextDocument`和`ITextExtractor`类。同样，先加载PDF文档，再提取内容。

import com.itextpdf.text.Document;
import com.itextpdf.text.pdf.PdfReader;

public String convertPdfToTxt(String srcPdfPath) {
    PdfReader reader = new PdfReader(srcPdfPath);
    StringBuilder text = new StringBuilder();
    for (int i = 1; i <= reader.getNumberOfPages(); i++) {
        text.append(reader.getPageText(i));
    }
    reader.close();
    return text.toString();
}

同样，这里获取的是文本内容，PDF的原始布局信息无法完全保留在TXT中。

如果你想尽可能地保留PDF中的格式和位置信息，可能需要考虑其他方法，例如扫描整个PDF作为图像并识别文字，但这通常涉及到更复杂的OCR技术，并且效果不如直接的文本提取准确。