leer fichero pdf java

Juny18 · #1 (**permalink**) 17/03/2016, 03:47

Hola quiero hacer lo siguiente, un programa que lea un fichero pdf o excell o csv y pueda extraer los datos para poder trabajar con ellos. A continuación cuando se realicen las operaciones pertinentes , me interesa sacarlo a otro fichero de tipo excell con un formato que yo quiera.

Primero me voy a centrar en leer y recoger los datos de uno de los ficheros que os he indicado. El problema es que ando bastante perdida en este tema. Me sabríais guiar un poco sobre como hacer esto??

Por cierto los datos que tengo que leer del pdf son datos que están contenidos en una tabla

Xerelo · #2 (**permalink**) 17/03/2016, 05:51

http://pdfbox.apache.org/

Juny18 · #3 (**permalink**) 31/03/2016, 01:52

Pero esto no me vale, porque lo que hace es leerme pagina a pagina entera y almacenarlo en un string. Yo tengo que recoger un dato especifico y no guarda un formato concreto para poder sacar las substrings.

Use la libreria poi de apache, que me lee los ficheros excell

Profesor_Falken · #4 (**permalink**) 31/03/2016, 02:55

Buenas,

Para Excel no hay ningun problema, ya que efectivamente con POI la extraccion es muy sencilla.

El formato PDF es un formato digital orientado a la visualizacion que contiene graficos vectoriales, imagenes y texto. Para un documento PDF las celdas de la tabla no existen. Solo conoce graficos, lineas y texto incrustado en determinadas posiciones.

Con PDFBox podrias recuperar todo el texto y parsearlo en substrings mediante expresiones regulares, o bien extender la funcionalidad para interpretar el contenido del documento como se propone aqui:
http://stackoverflow.com/questions/3...es-with-pdfbox

Si no sabes hacerlo con PDFBox, yo le echaria un vistazo a JPedal que permite realizar operaciones de extraccion muy especificas como recuperar texto incluido en un rectangulo.
https://www.idrsolutions.com/jpedal/...for-pdf-files/
Eso si, preparate a pagar por ello, ya que se trata de un producto propietario de pago y bastante caro.

Un saludo

Juny18 · #5 (**permalink**) 11/07/2016, 01:37

Pero esto no me vale, porque lo que hace es leerme pagina a pagina entera y almacenarlo en un string. Yo tengo que recoger un dato especifico y no guarda un formato concreto para poder sacar las substrings.

Use la libreria poi de apache, que me lee los ficheros excell