Java如何自动化快捷的对一堆大同小异的PDF文档提指定的有用信息

对一堆大同小异的 PDF 文档提取指定的有用信息，可以使用 Apache PDFBox 库进行自动化处理。下面是一个简单的例子，演示如何使用 PDFBox 提取多个 PDF 文件中的指定信息：

import java.io.File;
import java.io.IOException;
import java.util.List;
import org.apache.pdfbox.pdmodel.PDDocument;
import org.apache.pdfbox.text.PDFTextStripper;

public class PdfBoxTest {
    public static void main(String[] args) throws IOException {
        // 指定要提取的信息
        String regex = "Name:\\s*(.*)\\s*Age:\\s*(\\d+)\\s*";

        // 指定 PDF 文件所在文件夹
        String folderPath = "pdfs/";

        // 遍历文件夹中的所有 PDF 文件
        File folder = new File(folderPath);
        File[] files = folder.listFiles((dir, name) -> name.endsWith(".pdf"));
        for (File file : files) {
            // 加载 PDF 文件
            PDDocument document = PDDocument.load(file);

            // 创建一个 PDFTextStripper 对象
            PDFTextStripper stripper = new PDFTextStripper();

            // 获取 PDF 文件的文本内容
            String text = stripper.getText(document);

            // 在文本内容中查找指定信息
            String name = null;
            int age = 0;
            String[] lines = text.split("\\r?\\n");
            for (String line : lines) {
                line = line.trim();
                if (line.matches(regex)) {
                    name = line.replaceAll(regex, "$1");
                    age = Integer.parseInt(line.replaceAll(regex, "$2"));
                    break;
                }
            }

            // 输出提取的信息
            System.out.println(file.getName() + ": Name = " + name + ", Age = " + age);

            // 关闭 PDF 文件
            document.close();
        }
    }
}

该程序会遍历指定文件夹中的所有 PDF 文件，提取每个文件中的指定信息，并输出到控制台。其中，使用正则表达式来匹配 PDF 文件中的文本内容，提取所需信息。可以根据实际需求修改正则表达式，提取不同的信息。