java - 从 pdf 文件中提取文本

Question

我正在尝试提取 pdf 文件中“[”和“]”之间的文本，但我无法这样做，因为该文件似乎已加密。我收到一些格式不可读的符号..

public class ITextReadDemo {

      public static void main(String[] args) {
          try {
              PdfReader reader = new PdfReader("D:\\temp\\1.pdf");
              System.out.println("This PDF has "+reader.getNumberOfPages()+" pages.");
              String page = PdfTextExtractor.getTextFromPage(reader, 2);
              System.out.println("Page Content:\n\n"+page+"\n\n");
              System.out.println("Is this document tampered : "+reader.isTampered());
              System.out.println("Is this document encrypted : "+reader.isEncrypted());

          } catch (IOException e) {
              e.printStackTrace();
          }
      }
}

但我遇到了这个异常:

Exception in thread "main" java.lang.NoClassDefFoundError: org/bouncycastle/asn1/ASN1OctetString
    at com.itextpdf.text.pdf.PdfEncryption.<init>(PdfEncryption.java:147)
    at com.itextpdf.text.pdf.PdfReader.readDecryptedDocObj(PdfReader.java:775)
    at com.itextpdf.text.pdf.PdfReader.readDocObj(PdfReader.java:1152)
    at com.itextpdf.text.pdf.PdfReader.readPdf(PdfReader.java:512)
    at com.itextpdf.text.pdf.PdfReader.<init>(PdfReader.java:172)
    at com.itextpdf.text.pdf.PdfReader.<init>(PdfReader.java:161)
    at pdfexc.ITextReadDemo.main(ITextReadDemo.java:19)
Caused by: java.lang.ClassNotFoundException: org.bouncycastle.asn1.ASN1OctetString
    at java.net.URLClassLoader.findClass(Unknown Source)
    at java.lang.ClassLoader.loadClass(Unknown Source)
    at sun.misc.Launcher$AppClassLoader.loadClass(Unknown Source)
    at java.lang.ClassLoader.loadClass(Unknown Source)
    ... 7 more

我也尝试了以下方法。它正在从 pdf 文件中读取内容，但是当我显示它时，它不是可读的格式

    void readfile() {
        Path path = Paths.get("D:\\temp\\1.pdf");
        Scanner scanner = new Scanner(path);
        while(scanner.hasNextLine()){
            String line = scanner.nextLine();
                System.out.println(line);
        }
}

我需要的只是 pdf 文件(不是文本文件)中的内容，因为它是可读格式的，以便我可以使用正则表达式提取黑白 [ 和 ] 文本。如果您知道解决方案，请帮助我。

Answer 1

异常已经描述了问题的原因:

Exception in thread "main" java.lang.NoClassDefFoundError: org/bouncycastle/asn1/ASN1OctetString

IText 使用 BouncyCaSTLe 库来执行加密和签名等安全相关任务，但您的类路径中似乎没有该库，或者至少没有所需的版本。

不幸的是，不要说出您使用的是哪个 iText 版本，因此我无法判断哪个 BouncyCaSTLe 版本是必需的。