使用Apache PDFBox实现拆分、合并PDF

问题背景

  • 如何拆分PDF？
  • 如何合并PDF？
  • 如何拆分并合并PDF实现去除PDF的某些页？

Apache PDFBox介绍

Apache PDFBox 1.8.10官方文档

Apache PDFBox 库是一个开源的 Java 工具，用于处理 PDF 文件。该项目允许创建新的PDF文档，操作 现有文档以及从文档中提取内容的能力。 PDFBox还包括几个命令行实用程序。PDFBox 发布 在 Apache 许可证下，版本 2.0。

也就是说，我们可以使用PDFBox实现拆分、合并PDF。

在maven项目中添加依赖：

  1.         <!--PDF操作-->
  2.         <dependency>
  3.             <groupId>org.apache.pdfbox</groupId>
  4.             <artifactId>pdfbox-app</artifactId>
  5.             <version>1.8.10</version>
  6.         </dependency>

拆分PDF

我们需实现WPS这种按照范围拆分的拆分规则：

  1. 参考样例

以下是wiki教程中找到的样例，可以实现按照每页拆分成pdf。

  1. public static void main(String[] args) throws IOException {
  2.       //Loading an existing PDF document
  3.       File file = new File("C:/PdfBox_Examples/sample.pdf");
  4.       PDDocument document = PDDocument.load(file);
  5.       //Instantiating Splitter class
  6.       Splitter splitter = new Splitter();
  7.       //splitting the pages of a PDF document
  8.       List<PDDocument> Pages = splitter.split(document);
  9.       //Creating an iterator
  10.       Iterator<PDDocument> iterator = Pages.listIterator();
  11.       //Saving each page as an individual document
  12.       int i = 1;
  13.       while(iterator.hasNext()) {
  14.          PDDocument pd = iterator.next();
  15.          pd.save("C:/PdfBox_Examples/sample"+ i++ +".pdf");
  16.       }
  17.       System.out.println("Multiple PDF’s created");
  18.       document.close();
  19.    }
  1. org.apache.pdfbox.util.Splitter 类

Splitter 类有三个拆分相关的参数

  1.     private int splitAtPage = 1;
  2.     private int startPage = -2147483648;
  3.     private int endPage = 2147483647;

分别代表拆分的页数范围，开始拆分的页数，结束拆分的页数。

也就是说，我们可以通过实现设置splitter的相关参数（如splitter.setStartPage(12)等）来实现按照范围拆分的功能。

  1. 匹配拆分规则

建立SplitterDTO

  1. /**
  2.  * Splitter类的配置
  3.  */
  4. @Data
  5. class SplitterDTO {
  6.     private int splitAtPage;
  7.     private int startPage;
  8.     private int endPage;
  9. }

使用正则表达式校验按照范围拆分的拆分规则，将其参数保存在List<SplitterDTO>中：

  1.     // m-n 例如 3-5，拆分第三到第五页的pdf
  2.     private static final String ruleOne = "^[1-9]\\d*-[1-9]\\d*$";
  3.     // m 例如 7，拆分第七页的pdf
  4.     private static final String ruleTwo = "^[1-9]\\d*$";
  5.     /**
  6.      * 正则校验匹配  拆分规则
  7.      * @param splitRule 拆分规则
  8.      * @return
  9.      */
  10.     private List<SplitterDTO> matchByRegex(String splitRule) {
  11.         List<SplitterDTO> result = new ArrayList<>();
  12.         String[] splits = splitRule.split(",");
  13.         for (String split : splits) {
  14.             SplitterDTO dto = new SplitterDTO();
  15.             if (split.matches(ruleOne)) {
  16.                 String[] nums = split.split("-");
  17.                 dto.setStartPage(Integer.parseInt(nums[0]));
  18.                 dto.setEndPage(Integer.parseInt(nums[1]));
  19.                 // 拆分的长度
  20.                 dto.setSplitAtPage(dto.getEndPage() - dto.getStartPage() + 1);
  21.                 result.add(dto);
  22.             } else if (split.matches(ruleTwo)) {
  23.                 dto.setStartPage(Integer.parseInt(split));
  24.                 dto.setEndPage(Integer.parseInt(split));
  25.                 dto.setSplitAtPage(1);
  26.                 result.add(dto);
  27.             } else {
  28.                 System.out.println("错误的规则：" + split);
  29.             }
  30.         }
  31.         return result;
  32.     }
  1. 根据拆分规则拆分PDF

根据拆分规则开始拆分PDF并保存为pdf。

  1.     /**
  2.      * 拆分pdf
  3.      * @param sourcePdf 源pdf（路径+文件名+文件后缀）
  4.      * @param splitPath 拆分后的文件路径
  5.      * @param splitFileName 拆分后的文件名（不含后缀）
  6.      * @param splitterDTOS 拆分规则
  7.      * @return finalPdfs 最终拆分成的pdf
  8.      */
  9.     private List<String> spitPdf(String sourcePdf, String splitPath, String splitFileName, List<SplitterDTO> splitterDTOS) throws IOException, COSVisitorException {
  10.         List<String> finalPdfs = new ArrayList<>();
  11.         int j = 1;
  12.         String splitPdf = splitPath + "\\" + splitFileName + "_";
  14.         for (SplitterDTO splitterDTO : splitterDTOS) {
  15.             // Loading an existing PDF document
  16.             File file = new File(sourcePdf);
  17.             PDDocument document = PDDocument.load(file);
  18.             // Instantiating Splitter class
  19.             Splitter splitter = new Splitter();
  20.             splitter.setStartPage(splitterDTO.getStartPage());
  21.             splitter.setSplitAtPage(splitterDTO.getSplitAtPage());
  22.             splitter.setEndPage(splitterDTO.getEndPage());
  23.             // splitting the pages of a PDF document
  24.             List<PDDocument> Pages = splitter.split(document);
  25.             // Creating an iterator
  26.             Iterator<PDDocument> iterator = Pages.listIterator();
  27.             // Saving each page as an individual document
  28.             while(iterator.hasNext()) {
  29.                 PDDocument pd = iterator.next();
  30.                 String pdfName = splitPdf+ j++ +".pdf";
  31.                 pd.save(pdfName);
  32.                 finalPdfs.add(pdfName);
  33.             }
  34. //            System.out.println("Multiple PDF’s created");
  35.             document.close();
  36.         }
  38.         return finalPdfs;
  39.     }
  1. 拆分测试
  1.     public static void main(String[] args) throws Exception {
  3.         // 拆分规则：如拆分成1-4，5，以及8三个pdf
  4.         String splitRule = "1-4,5,8";
  5.         String sourcePdf = "D:\\BaiduNetdiskDownload\\test\\测试用pdf.pdf";
  6.         // 拆分后pdf所放的文件夹
  7.         String splitPath = "D:\\BaiduNetdiskDownload\\test";
  8.         // 拆分后的文件名
  9.         String splitFileName = UUID.randomUUID().toString().replace("-", "");
  10.         /**
  11.          * 1、拆分
  12.          */
  13.         PdfUtils pdfUtils = new PdfUtils();
  14.         List<SplitterDTO> splitterDTOS = pdfUtils.matchByRegex(splitRule);
  15.         List<String> pdfList = pdfUtils.spitPdf(sourcePdf, splitPath, splitFileName, splitterDTOS);
  16.         System.out.println("pdf文件拆分成功------------");
  17.         pdfList.forEach(System.out::println);
  18.     }

控制台输出结果：

  1. pdf文件拆分成功------------
  2. D:\BaiduNetdiskDownload\test\a5f1b001f2d64a75ac63e75bdb4809e6_1.pdf
  3. D:\BaiduNetdiskDownload\test\a5f1b001f2d64a75ac63e75bdb4809e6_2.pdf
  4. D:\BaiduNetdiskDownload\test\a5f1b001f2d64a75ac63e75bdb4809e6_3.pdf

对应文件夹生成三个pdf文件：

合并PDF

  1. 代码
  1.     /**
  2.      * 合并PDF
  3.      * @param inputStreams 需合并的pdf文件流
  4.      * @param bothPath 合并后的pdf文件路径
  5.      * @param destinationFileName 合并后的pdf文件名
  6.      */
  7.     public static void MergePdf(List<InputStream> inputStreams, String bothPath, String destinationFileName) throws Exception {
  8.         // org.apache.pdfbox.util.PDFMergerUtility：pdf合并工具类
  9.         PDFMergerUtility mergePdf = new PDFMergerUtility();
  10.         File file = new File(bothPath);
  11.         if (!file.exists()) {
  12.             file.mkdirs();
  13.         }
  14.         mergePdf.addSources(inputStreams);
  15.         // 设置合并生成pdf文件名称
  16.         mergePdf.setDestinationFileName(bothPath + File.separator + destinationFileName);
  17.         // 合并PDF
  18.         mergePdf.mergeDocuments();
  19.         for (InputStream in : inputStreams) {
  20.             if (in != null) {
  21.                 in.close();
  22.             }
  23.         }
  24.     }
  1. 合并测试
  1.     public static void main(String[] args) throws Exception {
  3.         /**
  4.          * 合并
  5.          */
  6.         // 合并pdf生成的文件名
  7.         String destinationFileName = DateUtils.format(new Date());
  8.         // 需要合并的PDF文件
  9.         List<InputStream> inputStreams = new ArrayList<>();
  10.         inputStreams.add(new FileInputStream(new File("D:\\ToPDF\\pdf\\水印冲鸭.pdf")));
  11.         inputStreams.add(new FileInputStream(new File("D:\\ToPDF\\pdf\\testtest.pdf")));
  12.         // 合并后pdf存放路径
  13.         String bothPath = "D:\\ToPDF\\pdf";
  14.         MergePdf(inputStreams, bothPath, destinationFileName+"测试合并.pdf");
  15.         System.out.println("pdf文件合并成功");
  16.     }

控制台输出结果：

  1. pdf文件合并成功

对应文件夹生成合并的pdf文件：

拆分 + 合并

  1. 测试代码
  1.     public static void main(String[] args) throws Exception {
  3.         // 拆分规则：如拆分成1-4，5，以及8三个pdf
  4.         String splitRule = "1-4,5,8";
  5.         String sourcePdf = "D:\\BaiduNetdiskDownload\\test\\测试用pdf.pdf";
  6.         // 拆分后pdf所放的文件夹
  7.         String splitPath = "D:\\BaiduNetdiskDownload\\test";
  8.         // 拆分后的文件名
  9.         String splitFileName = UUID.randomUUID().toString().replace("-", "");
  10.         /**
  11.          * 1、拆分
  12.          */
  13.         PdfUtils pdfUtils = new PdfUtils();
  14.         List<SplitterDTO> splitterDTOS = pdfUtils.matchByRegex(splitRule);
  15.         List<String> pdfList = pdfUtils.spitPdf(sourcePdf, splitPath, splitFileName, splitterDTOS);
  16.         System.out.println("pdf文件拆分成功------------");
  17.         pdfList.forEach(System.out::println);
  19.         /**
  20.          * 2、合并
  21.          */
  22.         // 合并pdf生成的文件名
  23.         String destinationFileName = splitFileName;
  24.         // 需要合并的PDF文件
  25.         List<InputStream> inputStreams = new ArrayList<>();
  26.         for (String pdf : pdfList) {
  27.             inputStreams.add(new FileInputStream(new File(pdf)));
  28.         }
  29.         // 合并后pdf存放路径
  30.         String bothPath = "D:\\BaiduNetdiskDownload\\test";
  31.         MergePdf(inputStreams, bothPath, destinationFileName + "测试合并.pdf");
  32.         System.out.println("pdf文件合并成功-----------");
  33.     }
  1. 测试结果

    控制台输出结果：
  1. pdf文件拆分成功------------
  2. D:\BaiduNetdiskDownload\test\a5f1b001f2d64a75ac63e75bdb4809e6_1.pdf
  3. D:\BaiduNetdiskDownload\test\a5f1b001f2d64a75ac63e75bdb4809e6_2.pdf
  4. D:\BaiduNetdiskDownload\test\a5f1b001f2d64a75ac63e75bdb4809e6_3.pdf
  5. pdf文件合并成功-----------

对应文件夹生成拆分后以及合并的pdf文件：

完整代码

  1. package com.example.demo.utils;
  3. import lombok.Data;
  4. import org.apache.pdfbox.exceptions.COSVisitorException;
  5. import org.apache.pdfbox.pdmodel.PDDocument;
  6. import org.apache.pdfbox.util.PDFMergerUtility;
  7. import org.apache.pdfbox.util.Splitter;
  9. import java.io.File;
  10. import java.io.FileInputStream;
  11. import java.io.IOException;
  12. import java.io.InputStream;
  13. import java.util.*;
  15. /**
  16.  * @Author 似有风中泣
  17.  * @Description 操作PDF类
  18.  * @Data 2022/6/27 16:18
  19.  * @Version 1.0
  20.  */
  21. public class PdfUtils {
  23.     // m-n 例如 3-5，拆分第三到第五页的pdf
  24.     private static final String ruleOne = "^[1-9]\\d*-[1-9]\\d*$";
  25.     // m 例如 7，拆分第七页的pdf
  26.     private static final String ruleTwo = "^[1-9]\\d*$";
  28.     public static void main(String[] args) throws Exception {
  30.         // 拆分规则：如拆分成1-4，5，以及8三个pdf
  31.         String splitRule = "1-4,5,8";
  32.         String sourcePdf = "D:\\BaiduNetdiskDownload\\test\\测试用pdf.pdf";
  33.         // 拆分后pdf所放的文件夹
  34.         String splitPath = "D:\\BaiduNetdiskDownload\\test";
  35.         // 拆分后的文件名
  36.         String splitFileName = UUID.randomUUID().toString().replace("-", "");
  37.         /**
  38.          * 1、拆分
  39.          */
  40.         PdfUtils pdfUtils = new PdfUtils();
  41.         List<SplitterDTO> splitterDTOS = pdfUtils.matchByRegex(splitRule);
  42.         List<String> pdfList = pdfUtils.spitPdf(sourcePdf, splitPath, splitFileName, splitterDTOS);
  43.         System.out.println("pdf文件拆分成功------------");
  44.         pdfList.forEach(System.out::println);
  46.         /**
  47.          * 2、合并
  48.          */
  49.         // 合并pdf生成的文件名
  50.         String destinationFileName = splitFileName;
  51.         // 需要合并的PDF文件
  52.         List<InputStream> inputStreams = new ArrayList<>();
  53.         for (String pdf : pdfList) {
  54.             inputStreams.add(new FileInputStream(new File(pdf)));
  55.         }
  56.         // 合并后pdf存放路径
  57.         String bothPath = "D:\\BaiduNetdiskDownload\\test";
  58.         MergePdf(inputStreams, bothPath, destinationFileName + "测试合并.pdf");
  59.         System.out.println("pdf文件合并成功-----------");
  60.     }
  62.     /**
  63.      * 正则校验匹配  拆分规则
  64.      * @param splitRule 拆分规则
  65.      * @return
  66.      */
  67.     private List<SplitterDTO> matchByRegex(String splitRule) {
  68.         List<SplitterDTO> result = new ArrayList<>();
  69.         String[] splits = splitRule.split(",");
  70.         for (String split : splits) {
  71.             SplitterDTO dto = new SplitterDTO();
  72.             if (split.matches(ruleOne)) {
  73.                 String[] nums = split.split("-");
  74.                 dto.setStartPage(Integer.parseInt(nums[0]));
  75.                 dto.setEndPage(Integer.parseInt(nums[1]));
  76.                 // 拆分的长度
  77.                 dto.setSplitAtPage(dto.getEndPage() - dto.getStartPage() + 1);
  78.                 result.add(dto);
  79.             } else if (split.matches(ruleTwo)) {
  80.                 dto.setStartPage(Integer.parseInt(split));
  81.                 dto.setEndPage(Integer.parseInt(split));
  82.                 dto.setSplitAtPage(1);
  83.                 result.add(dto);
  84.             } else {
  85.                 System.out.println("错误的规则：" + split);
  86.             }
  87.         }
  88.         return result;
  89.     }
  91.     /**
  92.      * 拆分pdf
  93.      * @param sourcePdf 源pdf（路径+文件名+文件后缀）
  94.      * @param splitPath 拆分后的文件路径
  95.      * @param splitFileName 拆分后的文件名（不含后缀）
  96.      * @param splitterDTOS 拆分规则
  97.      * @return finalPdfs 最终拆分成的pdf
  98.      */
  99.     private List<String> spitPdf(String sourcePdf, String splitPath, String splitFileName, List<SplitterDTO> splitterDTOS) throws IOException, COSVisitorException {
  100.         List<String> finalPdfs = new ArrayList<>();
  101.         int j = 1;
  102.         String splitPdf = splitPath + "\\" + splitFileName + "_";
  104.         for (SplitterDTO splitterDTO : splitterDTOS) {
  105.             // Loading an existing PDF document
  106.             File file = new File(sourcePdf);
  107.             PDDocument document = PDDocument.load(file);
  108.             // Instantiating Splitter class
  109.             Splitter splitter = new Splitter();
  110.             splitter.setStartPage(splitterDTO.getStartPage());
  111.             splitter.setSplitAtPage(splitterDTO.getSplitAtPage());
  112.             splitter.setEndPage(splitterDTO.getEndPage());
  113.             // splitting the pages of a PDF document
  114.             List<PDDocument> Pages = splitter.split(document);
  115.             // Creating an iterator
  116.             Iterator<PDDocument> iterator = Pages.listIterator();
  117.             // Saving each page as an individual document
  118.             while(iterator.hasNext()) {
  119.                 PDDocument pd = iterator.next();
  120.                 String pdfName = splitPdf+ j++ +".pdf";
  121.                 pd.save(pdfName);
  122.                 finalPdfs.add(pdfName);
  123.             }
  124. //            System.out.println("Multiple PDF’s created");
  125.             document.close();
  126.         }
  128.         return finalPdfs;
  129.     }
  131.     /**
  132.      * 合并PDF
  133.      * @param inputStreams 需合并的pdf文件流
  134.      * @param bothPath 合并后的pdf文件路径
  135.      * @param destinationFileName 合并后的pdf文件名
  136.      */
  137.     public static void MergePdf(List<InputStream> inputStreams, String bothPath, String destinationFileName) throws Exception {
  138.         // pdf合并工具类
  139.         PDFMergerUtility mergePdf = new PDFMergerUtility();
  140.         File file = new File(bothPath);
  141.         if (!file.exists()) {
  142.             file.mkdirs();
  143.         }
  144.         mergePdf.addSources(inputStreams);
  145.         // 设置合并生成pdf文件名称
  146.         mergePdf.setDestinationFileName(bothPath + File.separator + destinationFileName);
  147.         // 合并PDF
  148.         mergePdf.mergeDocuments();
  149.         for (InputStream in : inputStreams) {
  150.             if (in != null) {
  151.                 in.close();
  152.             }
  153.         }
  154.     }
  156. }
  158. /**
  159.  * Splitter类的配置
  160.  */
  161. @Data
  162. class SplitterDTO {
  163.     private int splitAtPage;
  164.     private int startPage;
  165.     private int endPage;
  166. }

参考：

https://iowiki.com/pdfbox/pdfbox_splitting_a_pdf_document.html

https://github.com/apache/pdfbox

https://javadoc.io/doc/org.apache.pdfbox/pdfbox/1.8.10/index.html

使用Apache PDFBox实现拆分、合并PDF的更多相关文章

  1. Apache PDFbox开发指南之PDF文档读取

    转载请注明来源:http://blog.csdn.net/loongshawn/article/details/51542309 相关文章: <Apache PDFbox开发指南之PDF文本内容 ...

  2. PDF 拆分/合并

    不会真的有人会去下载那些广告免费,实则要收会员费的黑心软件来进行PDF的拆分合并吧??? 在下载两个均不能免费实现PDF自由拆分.合并,以及PDF打印方式会增加文件大小的情况下,一个合格的程序员肯定不 ...

  3. APache PDFbox API使用（1）----简单介绍

    因为项目的须要.近期在学习APache  PDFbox API,Apache PDFbox API是Apache Java 开源社区中个一个项目,其受Apache 版权 V2的保护,其提供了以下的功能 ...

  4. java合并pdf

    一.开发准备 下载pdfbox-app-1.7.1.jar包;下载地址:http://download.csdn.net/detail/yanning1314/4852276 二.简单小例子 在开发中 ...

  5. Java文件操作系列[1]——PDFBox实现分页提取PDF文本

    需求:用java分页提取PDF文本. PDFBox是一个很好的可以满足上述需求的开源工具. 1.PDF文档结构 要解析PDF文本,我们首先要了解PDF文件的结构. 关于PDF文档,最重要的几点: 一, ...

  6. apache pdfbox

    转 http://www.blogjava.net/sxyx2008/archive/2010/07/23/326890.html 轻松使用apache pdfbox将pdf文件生成图 近期在项目中使 ...

  7. C# / VB.NET合并PDF指定页

    在前面的文章中,我们已经知道如何合并.拆分多个PDF文件,在这篇文章中的合并.拆分PDF文档主要是以方便文档管理的目的来操作文档,在文档查阅.管理及存储上很方便实用.但是我们如果想要合并多个文档中的部 ...

  8. Linux下分割、合并PDF（pdftk），用于Linux系统的6款最佳PDF页面裁剪工具

    Linux下分割.合并PDF(pdftk),用于Linux系统的6款最佳PDF页面裁剪工具 Linux下分割.合并PDF(pdftk) pdftk http://www.pdflabs.com/doc ...

  9. 利用pdfbox和poi抽取pdf、doc以及docx格式的内容

    使用pdfbox1.5.0抽取pdf格式文档内容,使用poi3.7抽取doc及docx文档内容: /** * Created by yan.shi on 2017/9/25. */ import or ...

  10. C#/VB.NET 合并PDF页面

    本文以C#及vb.net代码为例介绍如何来实现合并PDF页面内容.本文中的合并并非将两个文档简单合并为一个文档,而是将多个页面内容合并到一个页面,目的是减少页面上的空白区域,使页面布局更为紧凑.合理. ...

随机推荐

  1. 亲测有效！ Wondershare UniConverterV14.1.7 Wondershare PDFelement Professional V9.3.3 含(win/mac版)

    亲测有效!  Wondershare UniConverterV14.1.7  Wondershare PDFelement Professional V9.3.3 含(win/mac版) Wonde ...

  2. MQ 消息队列 比较

    为什么需要消息队列 削峰 业务系统在超高并发场景中,由于后端服务来不及同步处理过多.过快的请求,可能导致请求堵塞,严重时可能由于高负荷拖垮Web服务器. 为了能支持最高峰流量,我们通常采取短平快的方式 ...

  3. 学习Java Day11

    今天学习了二维数组:

  4. Centos7下areaDetector IOC的编译（回收站捡回）

    在这里插入图片描述 补记:这篇应该是在CSDN发的第一篇,没经验,用那个markdown方式编辑发布的,修改起来好麻烦,而且流程的命令不方便copy粘贴,干脆就删掉了,后来重新整理了一篇.无意中又被我 ...

  5. require.context 自动引入指定目录下的文件、组件、reducer

    1. 语法:let  webpacks = require.context (directory,useSubdirectories,regExp)  (directory:"文件路径&qu ...

  6. 两台linux服务器互相自动备份

    转载:csdn https://blog.csdn.net/gjwgjw1111/article/details/103515031

  7. 如何创建一个浏览器版的`Window11`

    如何创建一个浏览器版的Window11 我们接下来将创建一个在浏览器运行的Window11,可以先看看效果图 这是基于Windows 11 in React修改的功能,我们接下来就将使用Windows ...

  8. SpringCloud微服务实战——搭建企业级开发框架（四十九）：数据字典注解的设计与实现

      数据字典是系统中基本的必不可少的功能,在多种多样的系统中,数据字典表的设计都大同小异.但是使用方式确是多种多样,设计好一套易用的数据字典功能模块,可以使开发事半功倍. 常用的数据字典使用方式: 直 ...

  9. 从源码MessageSource的三个实现出发实战spring·i18n国际化

    1.前言 互联网业务出海,将已有的业务Copy to Global,并且开始对各个国家精细化,本土化的运营.对于开发人员来说,国际化很重要,在实际项目中所要承担的职责是按照客户指定的语言让服务端返回相 ...

  10. JUC学习笔记

    1 进程与线程:进程指正在运行的程序,进程拥有一个完整的.私有的基本运行资源集合.它有自己的内存空间.为了便于进程之间的通信,大多数操作系统都都支持进程间通信(IPC). IPC通信包括管道.消息队列 ...