# 批量提取pdf与word文档中图片和文字 ## Intro 今天处理pdf文档时，想提取里面图片。在网上了解到spire。于是决定coding一下，使用Spire，以Java方式批量提取pdf/word中的图片。同理还可以批量提取文档中的文字。效果还不错，那就一探究竟吧。  开发人员能在任何时间，任何地点，直接调用 SDK 开放接口, 操作 Word 文档，支持 .NET、Java、PHP、Python、JavaScript 等多种编程语言。 主要功能： - 创建Word文档 - 添加、删除背景颜色，背景图片 - 添加word书签，获取书签内容 - 丰富的文档转换功能，支持保存Word文档为PDF、XPS、图片、 RTF、HTML、 Epub等格式 - 设置、获取文档属性 - 加密保护Word文档 - 邮件合并图片或文字 - 合并Word文档 - 添加、删除段落 - 添加、删除形状 - 插入、删除表格，插入、删除、合并、拆分表格行或列 - 添加、删除图片或文字水印 ## 实现 在这里，我们以Java为例，使用Maven构建。由于Spire需要付费，我们只能试用，下相关的依赖，并进行导入。  **首先**，在pom.xml文件中配置Maven仓库路径。 ```xml <repositories> <repository> <id>com.e-iceblue</id> <url>https://repo.e-iceblue.cn/repository/maven-public/</url> </repository> </repositories> ``` **然后**，在pom.xml文件中指定Spire.PDF for Java的Maven依赖。 ```xml <dependencies> <dependency> <groupId> e-iceblue </groupId> <artifactId>spire.pdf</artifactId> <version>3.11.6</version> </dependency> </dependencies> ``` 实现代码： ```java package com.zhoujk.spire; import com.spire.pdf.PdfDocument; import com.spire.pdf.PdfPageBase; import javax.imageio.ImageIO; import java.awt.image.BufferedImage; import java.io.File; import java.io.IOException; import java.util.ArrayList; import java.util.List; public class ExtractTextAndImages { // 文件读写位置 public final static String location = "C:\\Users\\Zhoujiankang\\Desktop\\Test"; public static List<String> readFile(String location) { File[] fileList = new File(location).listFiles(); List<String> fileLocations = new ArrayList<>(); for (File file : fileList) { if (file.isFile()) { //获取到所有pdf文档的存放地址 if (file.getName().endsWith(".pdf")) { fileLocations.add(location +"\\"+ file.getName()); System.out.println(file.getName()); } } } return fileLocations; } public static void main(String[] args) throws IOException { int index = 0; PdfDocument pdfDocument = new PdfDocument(); for (String loc : readFile(location)) { System.out.println(loc); pdfDocument.loadFromFile(loc); for (PdfPageBase page : (Iterable<PdfPageBase>) pdfDocument.getPages()) { //使用extractImages方法获取指定页上图片 for (BufferedImage image : page.extractImages()) { //指定输出文件路径及名称 File output = new File(location+"\\" + String.format("Image_%d.png", index++)); System.out.println("文档中图片导出成功,导出第"+index+"图片"); //将图片保存为PNG格式文件 ImageIO.write(image, "PNG", output); } } } } } ``` 我们来起看看效果：  这是提取出来的图片。  同理，您还可以利用Spire处理word、ppt、excel文档，并不局限于提取图片操作，也包括基本的文本操作、文档操作，也有加密、解密等复杂操作。 以提取pdf中的文字为例： ```java public class Extract_Text { public static void main(String[] args) { //创建PdfDocument实例 PdfDocument doc = new PdfDocument(); //加载PDF文件 doc.loadFromFile("test.pdf"); //创建StringBuilder实例 StringBuilder sb = new StringBuilder(); PdfPageBase page; //遍历PDF页面，获取每个页面的文本并添加到StringBuilder对象 for(int i= 0;i<doc.getPages().getCount();i++){ page = doc.getPages().get(i); sb.append(page.extractText(true)); } FileWriter writer; try { //将StringBuilder对象中的文本写入到文本文件 writer = new FileWriter("ExtractText.txt"); writer.write(sb.toString()); writer.flush(); } catch (IOException e) { e.printStackTrace(); } doc.close(); } } ``` ## 补充 如果您有兴趣,您可以去https://cloud.e-iceblue.cn了解spire更多详情。 如果您还想了解更多代码细节，您可以阅读官方文档。这是官方档 https://www.e-iceblue.com/Tutorials/Spire.PDF/Spire.PDF-Program-Guide/Spire.PDF-Program-Guide-Content.html 如果您想了解更多代码案例，请参考 https://github.com/EiceblueCloud/Spire.Cloud.Word 另外，也推荐一个在线转换文件的网站，特别好用，不收费。 https://www.online-convert.com