使用pdf解析可以用来读取PDF文件中字符串文本图片数据

Pdf解析可用于读取PDF文件中的字符串文本和图片数据。Apache PDFbox是一个开源的、基于Java的工具库，支持PDF文档生成。它可以用来创建新的PDF文档，修改现有的PDF文档，并从PDF文档中提取所需的内容。Apache PDFBox还包括几个命令行工具。

Apache PDFBox主要有以下特点：

PDF阅读、创建、打印、转换、验证、合并和分割等。

(1)读取文本数据

阅读文本时没有特别需要说明的，就是获取PDF文本的起止页，通过getText函数直接获取PDF的所有文本。

(2)获取PDF的中间图片

将获得的PDF中的图片对象保存到另一个PDF中。

这个方法可以从源PDF中取出图像对象PDImageXObject，然后就可以进行处理了。这段代码实现了将每个提取的图像对象插入到一个空白的PDF文档中。