在 Java 中獲取有關 PDF 的信息

一、概述

在本教程中，我們將了解使用 Java 中的iText和PDFBox庫獲取 PDF 文件信息的不同方式。

2. 使用 iText 庫

iText 是一個用於創建和操作 PDF 文檔的庫。此外，它還提供了一種獲取文檔信息的簡便方法。

2.1. Maven 依賴

讓我們首先在pom.xml中聲明itextpdf依賴項：

<dependency>
 <groupId>com.itextpdf</groupId>
 <artifactId>itextpdf</artifactId>
 <version>5.5.13.3</version>
 </dependency>

2.2.獲取頁數

讓我們使用getNumberOfPages()方法創建一個PdfInfoIText類，該方法返回 PDF 文檔中的頁數：

public class PdfInfoIText {

 public static int getNumberOfPages(final String pdfFile) throws IOException {
 PdfReader reader = new PdfReader(pdfFile);
 int pages = reader.getNumberOfPages();
 reader.close();
 return pages;
 }
 }

在我們的示例中，首先，我們使用PdfReader類從File對象加載 PDF 。之後，我們使用getNumberOfPages()方法。最後，我們關閉PdfReader對象。讓我們為它聲明一個測試用例：

@Test
 public void givenPdf_whenGetNumberOfPages_thenOK() throws IOException {
 Assert.assertEquals(4, PdfInfoIText.getNumberOfPages(PDF_FILE));
 }

在我們的測試用例中，我們驗證存儲在測試resources文件夾中的給定 PDF 文件的頁數。

2.3.獲取 PDF 元數據

現在讓我們看看如何獲取文檔的元數據。我們將使用getInfo()方法。該方法可以獲取文件的信息，如標題、作者、創建日期、創建者、製作者等。讓我們將getInfo()方法添加到我們的PdfInfoIText類：

public static Map<String, String> getInfo(final String pdfFile) throws IOException {
 PdfReader reader = new PdfReader(pdfFile);
 Map<String, String> info = reader.getInfo();
 reader.close();
 return info;
 }

現在，讓我們編寫一個測試用例來獲取文檔的創建者和製作者：

@Test
 public void givenPdf_whenGetInfo_thenOK() throws IOException {
 Map<String, String> info = PdfInfoIText.getInfo(PDF_FILE);
 Assert.assertEquals("LibreOffice 4.2", info.get("Producer"));
 Assert.assertEquals("Writer", info.get("Creator"));
 }

2.4.了解 PDF 密碼保護

我們現在想知道文檔是否有密碼保護。為此，讓我們將isEncrypted()方法添加到PdfInfoIText類：

public static boolean isPasswordRequired(final String pdfFile) throws IOException {
 PdfReader reader = new PdfReader(pdfFile);
 boolean isEncrypted = reader.isEncrypted();
 reader.close();
 return isEncrypted;
 }

現在，讓我們創建一個測試用例來查看此方法的行為方式：

@Test
 public void givenPdf_whenIsPasswordRequired_thenOK() throws IOException {
 Assert.assertFalse(PdfInfoIText.isPasswordRequired(PDF_FILE));
 }

在下一節中，我們將使用 PDFBox 庫完成相同的工作。

3. 使用 PDFBox 庫

獲取有關 PDF 文件的信息的另一種方法是使用 Apache PDFBox 庫。

3.1. Maven 依賴

我們需要在項目中包含pdfbox Maven 依賴項：

<dependency>
 <groupId>org.apache.pdfbox</groupId>
 <artifactId>pdfbox</artifactId>
 <version>3.0.0-RC1</version>
 </dependency>

3.2.獲取頁數

PDFBox 庫提供了處理 PDF 文檔的能力。要獲取頁數，我們只需使用Loader類及其loadPDF()方法從File對象加載文檔。之後，我們使用PDDocument類的getNumberOfPages()方法：

public class PdfInfoPdfBox {

 public static int getNumberOfPages(final String pdfFile) throws IOException {
 File file = new File(pdfFile);
 PDDocument document = Loader.loadPDF(file);
 int pages = document.getNumberOfPages();
 document.close();
 return pages;
 }
 }

讓我們為它創建一個測試用例：

@Test
 public void givenPdf_whenGetNumberOfPages_thenOK() throws IOException {
 Assert.assertEquals(4, PdfInfoPdfBox.getNumberOfPages(PDF_FILE));
 }

3.3.獲取 PDF 元數據

獲取 PDF 元數據也很簡單。我們需要使用getDocumentInformation()方法。此方法將文檔元數據（例如文檔的作者或其創建日期）作為PDDocumentInformation對象返回：

public static PDDocumentInformation getInfo(final String pdfFile) throws IOException {
 File file = new File(pdfFile);
 PDDocument document = Loader.loadPDF(file);
 PDDocumentInformation info = document.getDocumentInformation();
 document.close();
 return info;
 }

讓我們為它寫一個測試用例：

@Test
 public void givenPdf_whenGetInfo_thenOK() throws IOException {
 PDDocumentInformation info = PdfInfoPdfBox.getInfo(PDF_FILE);
 Assert.assertEquals("LibreOffice 4.2", info.getProducer());
 Assert.assertEquals("Writer", info.getCreator());
 }

在這個測試用例中，我們只驗證文檔的製作者和創建者。

3.4.了解 PDF 密碼保護

我們可以使用PDDocument類的isEncrypted()方法檢查 PDF 是否受密碼保護：

public static boolean isPasswordRequired(final String pdfFile) throws IOException {
 File file = new File(pdfFile);
 PDDocument document = Loader.loadPDF(file);
 boolean isEncrypted = document.isEncrypted();
 document.close();
 return isEncrypted;
 }

讓我們創建一個驗證密碼保護的測試用例：

@Test
 public void givenPdf_whenIsPasswordRequired_thenOK() throws IOException {
 Assert.assertFalse(PdfInfoPdfBox.isPasswordRequired(PDF_FILE));
 }

4。結論

在本文中，我們學習瞭如何使用兩個流行的 Java 庫獲取有關 PDF 文件的信息。 GitHub 上提供了本文所示代碼的工作版本。