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：

        <!--PDF操作-->

        <dependency>

            <groupId>org.apache.pdfbox</groupId>

            <artifactId>pdfbox-app</artifactId>

            <version>1.8.10</version>

        </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。

public static void main(String[] args) throws IOException {

      //Loading an existing PDF document

      File file = new File("C:/PdfBox_Examples/sample.pdf");

      PDDocument document = PDDocument.load(file);

      //Instantiating Splitter class

      Splitter splitter = new Splitter();

      //splitting the pages of a PDF document

      List<PDDocument> Pages = splitter.split(document);

      //Creating an iterator

      Iterator<PDDocument> iterator = Pages.listIterator();

      //Saving each page as an individual document

      int i = 1;

      while(iterator.hasNext()) {

         PDDocument pd = iterator.next();

         pd.save("C:/PdfBox_Examples/sample"+ i++ +".pdf");

      }

      System.out.println("Multiple PDF’s created");

      document.close();

   }

1. org.apache.pdfbox.util.Splitter 类

Splitter 类有三个拆分相关的参数

    private int splitAtPage = 1;

    private int startPage = -2147483648;

    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

/**

 * Splitter类的配置

 */

@Data

class SplitterDTO {

    private int splitAtPage;

    private int startPage;

    private int endPage;

}

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：

    // m-n 例如 3-5，拆分第三到第五页的pdf

    private static final String ruleOne = "^[1-9]\\d*-[1-9]\\d*$";

    // m 例如 7，拆分第七页的pdf

    private static final String ruleTwo = "^[1-9]\\d*$";

    /**

     * 正则校验匹配  拆分规则

     * @param splitRule 拆分规则

     * @return

     */

    private List<SplitterDTO> matchByRegex(String splitRule) {

        List<SplitterDTO> result = new ArrayList<>();

        String[] splits = splitRule.split(",");

        for (String split : splits) {

            SplitterDTO dto = new SplitterDTO();

            if (split.matches(ruleOne)) {

                String[] nums = split.split("-");

                dto.setStartPage(Integer.parseInt(nums[0]));

                dto.setEndPage(Integer.parseInt(nums[1]));

                // 拆分的长度

                dto.setSplitAtPage(dto.getEndPage() - dto.getStartPage() + 1);

                result.add(dto);

            } else if (split.matches(ruleTwo)) {

                dto.setStartPage(Integer.parseInt(split));

                dto.setEndPage(Integer.parseInt(split));

                dto.setSplitAtPage(1);

                result.add(dto);

            } else {

                System.out.println("错误的规则：" + split);

            }

        }

        return result;

    }

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。

    /**

     * 拆分pdf

     * @param sourcePdf 源pdf（路径+文件名+文件后缀）

     * @param splitPath 拆分后的文件路径

     * @param splitFileName 拆分后的文件名（不含后缀）

     * @param splitterDTOS 拆分规则

     * @return finalPdfs 最终拆分成的pdf

     */

    private List<String> spitPdf(String sourcePdf, String splitPath, String splitFileName, List<SplitterDTO> splitterDTOS) throws IOException, COSVisitorException {

        List<String> finalPdfs = new ArrayList<>();

        int j = 1;

        String splitPdf = splitPath + "\\" + splitFileName + "_";

        for (SplitterDTO splitterDTO : splitterDTOS) {

            // Loading an existing PDF document

            File file = new File(sourcePdf);

            PDDocument document = PDDocument.load(file);

            // Instantiating Splitter class

            Splitter splitter = new Splitter();

            splitter.setStartPage(splitterDTO.getStartPage());

            splitter.setSplitAtPage(splitterDTO.getSplitAtPage());

            splitter.setEndPage(splitterDTO.getEndPage());

            // splitting the pages of a PDF document

            List<PDDocument> Pages = splitter.split(document);

            // Creating an iterator

            Iterator<PDDocument> iterator = Pages.listIterator();

            // Saving each page as an individual document

            while(iterator.hasNext()) {

                PDDocument pd = iterator.next();

                String pdfName = splitPdf+ j++ +".pdf";

                pd.save(pdfName);

                finalPdfs.add(pdfName);

            }

//            System.out.println("Multiple PDF’s created");

            document.close();

        }

        return finalPdfs;

    }

1. 拆分测试

    public static void main(String[] args) throws Exception {

        // 拆分规则：如拆分成1-4，5，以及8三个pdf

        String splitRule = "1-4,5,8";

        String sourcePdf = "D:\\BaiduNetdiskDownload\\test\\测试用pdf.pdf";

        // 拆分后pdf所放的文件夹

        String splitPath = "D:\\BaiduNetdiskDownload\\test";

        // 拆分后的文件名

        String splitFileName = UUID.randomUUID().toString().replace("-", "");

        /**

         * 1、拆分

         */

        PdfUtils pdfUtils = new PdfUtils();

        List<SplitterDTO> splitterDTOS = pdfUtils.matchByRegex(splitRule);

        List<String> pdfList = pdfUtils.spitPdf(sourcePdf, splitPath, splitFileName, splitterDTOS);

        System.out.println("pdf文件拆分成功------------");

        pdfList.forEach(System.out::println);

    }

控制台输出结果：

pdf文件拆分成功------------

D:\BaiduNetdiskDownload\test\a5f1b001f2d64a75ac63e75bdb4809e6_1.pdf

D:\BaiduNetdiskDownload\test\a5f1b001f2d64a75ac63e75bdb4809e6_2.pdf

D:\BaiduNetdiskDownload\test\a5f1b001f2d64a75ac63e75bdb4809e6_3.pdf

对应文件夹生成三个pdf文件：

---

合并PDF

1. 代码

    /**

     * 合并PDF

     * @param inputStreams 需合并的pdf文件流

     * @param bothPath 合并后的pdf文件路径

     * @param destinationFileName 合并后的pdf文件名

     */

    public static void MergePdf(List<InputStream> inputStreams, String bothPath, String destinationFileName) throws Exception {

        // org.apache.pdfbox.util.PDFMergerUtility：pdf合并工具类

        PDFMergerUtility mergePdf = new PDFMergerUtility();

        File file = new File(bothPath);

        if (!file.exists()) {

            file.mkdirs();

        }

        mergePdf.addSources(inputStreams);

        // 设置合并生成pdf文件名称

        mergePdf.setDestinationFileName(bothPath + File.separator + destinationFileName);

        // 合并PDF

        mergePdf.mergeDocuments();

        for (InputStream in : inputStreams) {

            if (in != null) {

                in.close();

            }

        }

    }

1. 合并测试

    public static void main(String[] args) throws Exception {

        /**

         * 合并

         */

        // 合并pdf生成的文件名

        String destinationFileName = DateUtils.format(new Date());

        // 需要合并的PDF文件

        List<InputStream> inputStreams = new ArrayList<>();

        inputStreams.add(new FileInputStream(new File("D:\\ToPDF\\pdf\\水印冲鸭.pdf")));

        inputStreams.add(new FileInputStream(new File("D:\\ToPDF\\pdf\\testtest.pdf")));

        // 合并后pdf存放路径

        String bothPath = "D:\\ToPDF\\pdf";

        MergePdf(inputStreams, bothPath, destinationFileName+"测试合并.pdf");

        System.out.println("pdf文件合并成功");

    }

控制台输出结果：

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

    public static void main(String[] args) throws Exception {

        // 拆分规则：如拆分成1-4，5，以及8三个pdf

        String splitRule = "1-4,5,8";

        String sourcePdf = "D:\\BaiduNetdiskDownload\\test\\测试用pdf.pdf";

        // 拆分后pdf所放的文件夹

        String splitPath = "D:\\BaiduNetdiskDownload\\test";

        // 拆分后的文件名

        String splitFileName = UUID.randomUUID().toString().replace("-", "");

        /**

         * 1、拆分

         */

        PdfUtils pdfUtils = new PdfUtils();

        List<SplitterDTO> splitterDTOS = pdfUtils.matchByRegex(splitRule);

        List<String> pdfList = pdfUtils.spitPdf(sourcePdf, splitPath, splitFileName, splitterDTOS);

        System.out.println("pdf文件拆分成功------------");

        pdfList.forEach(System.out::println);

        /**

         * 2、合并

         */

        // 合并pdf生成的文件名

        String destinationFileName = splitFileName;

        // 需要合并的PDF文件

        List<InputStream> inputStreams = new ArrayList<>();

        for (String pdf : pdfList) {

            inputStreams.add(new FileInputStream(new File(pdf)));

        }

        // 合并后pdf存放路径

        String bothPath = "D:\\BaiduNetdiskDownload\\test";

        MergePdf(inputStreams, bothPath, destinationFileName + "测试合并.pdf");

        System.out.println("pdf文件合并成功-----------");

    }

1. 测试结果
   
   控制台输出结果：

pdf文件拆分成功------------

D:\BaiduNetdiskDownload\test\a5f1b001f2d64a75ac63e75bdb4809e6_1.pdf

D:\BaiduNetdiskDownload\test\a5f1b001f2d64a75ac63e75bdb4809e6_2.pdf

D:\BaiduNetdiskDownload\test\a5f1b001f2d64a75ac63e75bdb4809e6_3.pdf

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

package com.example.demo.utils;

import lombok.Data;

import org.apache.pdfbox.exceptions.COSVisitorException;

import org.apache.pdfbox.pdmodel.PDDocument;

import org.apache.pdfbox.util.PDFMergerUtility;

import org.apache.pdfbox.util.Splitter;

import java.io.File;

import java.io.FileInputStream;

import java.io.IOException;

import java.io.InputStream;

import java.util.*;

/**

 * @Author 似有风中泣

 * @Description 操作PDF类

 * @Data 2022/6/27 16:18

 * @Version 1.0

 */

public class PdfUtils {

    // m-n 例如 3-5，拆分第三到第五页的pdf

    private static final String ruleOne = "^[1-9]\\d*-[1-9]\\d*$";

    // m 例如 7，拆分第七页的pdf

    private static final String ruleTwo = "^[1-9]\\d*$";

    public static void main(String[] args) throws Exception {

        // 拆分规则：如拆分成1-4，5，以及8三个pdf

        String splitRule = "1-4,5,8";

        String sourcePdf = "D:\\BaiduNetdiskDownload\\test\\测试用pdf.pdf";

        // 拆分后pdf所放的文件夹

        String splitPath = "D:\\BaiduNetdiskDownload\\test";

        // 拆分后的文件名

        String splitFileName = UUID.randomUUID().toString().replace("-", "");

        /**

         * 1、拆分

         */

        PdfUtils pdfUtils = new PdfUtils();

        List<SplitterDTO> splitterDTOS = pdfUtils.matchByRegex(splitRule);

        List<String> pdfList = pdfUtils.spitPdf(sourcePdf, splitPath, splitFileName, splitterDTOS);

        System.out.println("pdf文件拆分成功------------");

        pdfList.forEach(System.out::println);

        /**

         * 2、合并

         */

        // 合并pdf生成的文件名

        String destinationFileName = splitFileName;

        // 需要合并的PDF文件

        List<InputStream> inputStreams = new ArrayList<>();

        for (String pdf : pdfList) {

            inputStreams.add(new FileInputStream(new File(pdf)));

        }

        // 合并后pdf存放路径

        String bothPath = "D:\\BaiduNetdiskDownload\\test";

        MergePdf(inputStreams, bothPath, destinationFileName + "测试合并.pdf");

        System.out.println("pdf文件合并成功-----------");

    }

    /**

     * 正则校验匹配  拆分规则

     * @param splitRule 拆分规则

     * @return

     */

    private List<SplitterDTO> matchByRegex(String splitRule) {

        List<SplitterDTO> result = new ArrayList<>();

        String[] splits = splitRule.split(",");

        for (String split : splits) {

            SplitterDTO dto = new SplitterDTO();

            if (split.matches(ruleOne)) {

                String[] nums = split.split("-");

                dto.setStartPage(Integer.parseInt(nums[0]));

                dto.setEndPage(Integer.parseInt(nums[1]));

                // 拆分的长度

                dto.setSplitAtPage(dto.getEndPage() - dto.getStartPage() + 1);

                result.add(dto);

            } else if (split.matches(ruleTwo)) {

                dto.setStartPage(Integer.parseInt(split));

                dto.setEndPage(Integer.parseInt(split));

                dto.setSplitAtPage(1);

                result.add(dto);

            } else {

                System.out.println("错误的规则：" + split);

            }

        }

        return result;

    }

    /**

     * 拆分pdf

     * @param sourcePdf 源pdf（路径+文件名+文件后缀）

     * @param splitPath 拆分后的文件路径

     * @param splitFileName 拆分后的文件名（不含后缀）

     * @param splitterDTOS 拆分规则

     * @return finalPdfs 最终拆分成的pdf

     */

    private List<String> spitPdf(String sourcePdf, String splitPath, String splitFileName, List<SplitterDTO> splitterDTOS) throws IOException, COSVisitorException {

        List<String> finalPdfs = new ArrayList<>();

        int j = 1;

        String splitPdf = splitPath + "\\" + splitFileName + "_";

        for (SplitterDTO splitterDTO : splitterDTOS) {

            // Loading an existing PDF document

            File file = new File(sourcePdf);

            PDDocument document = PDDocument.load(file);

            // Instantiating Splitter class

            Splitter splitter = new Splitter();

            splitter.setStartPage(splitterDTO.getStartPage());

            splitter.setSplitAtPage(splitterDTO.getSplitAtPage());

            splitter.setEndPage(splitterDTO.getEndPage());

            // splitting the pages of a PDF document

            List<PDDocument> Pages = splitter.split(document);

            // Creating an iterator

            Iterator<PDDocument> iterator = Pages.listIterator();

            // Saving each page as an individual document

            while(iterator.hasNext()) {

                PDDocument pd = iterator.next();

                String pdfName = splitPdf+ j++ +".pdf";

                pd.save(pdfName);

                finalPdfs.add(pdfName);

            }

//            System.out.println("Multiple PDF’s created");

            document.close();

        }

        return finalPdfs;

    }

    /**

     * 合并PDF

     * @param inputStreams 需合并的pdf文件流

     * @param bothPath 合并后的pdf文件路径

     * @param destinationFileName 合并后的pdf文件名

     */

    public static void MergePdf(List<InputStream> inputStreams, String bothPath, String destinationFileName) throws Exception {

        // pdf合并工具类

        PDFMergerUtility mergePdf = new PDFMergerUtility();

        File file = new File(bothPath);

        if (!file.exists()) {

            file.mkdirs();

        }

        mergePdf.addSources(inputStreams);

        // 设置合并生成pdf文件名称

        mergePdf.setDestinationFileName(bothPath + File.separator + destinationFileName);

        // 合并PDF

        mergePdf.mergeDocuments();

        for (InputStream in : inputStreams) {

            if (in != null) {

                in.close();

            }

        }

    }

}

/**

 * Splitter类的配置

 */

@Data

class SplitterDTO {

    private int splitAtPage;

    private int startPage;

    private int endPage;

}

---

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

最新文章

1. 云计算之路-阿里云上：10:28-10:51云盾清洗以及IP切换引发的主站访问故障
2. 不小心删除了sysWOW64下的webio.dll
3. oracle initialization or shutdown in progress解决方法
4. 【JavaScript回顾】闭包
5. 微信公众平台网页获取用户OpenID方法
6. paper 10：支持向量机系列七：Kernel II —— 核方法的一些理论补充，关于 Reproducing Kernel Hilbert Space 和 Representer Theorem 的简介。
7. Pull解析xml
8. Reverse Words in a String——LeetCode
9. UVA 562 Dividing coins (01背包)
10. jmeter3.3测试需要登录的接口（java）
11. 什么是BIG？如何买BIG？
12. Rxjava + retrofit + dagger2 + mvp搭建Android框架
13. 下载 mysql 数据库 的步骤 完整版
14. Scala详解
15. Visual Studio references中的package找不到
16. 【题解】[HNOI2008]神奇的国度—BZOJ1006。
17. 自动化运维工之Ansible（1）
18. TP v5中Request取值方式变化
19. pm2 观察报错时 pm2 start app.js --watch
20. php请求页面将返回的页面发送email

热门文章

1. .net core 阿里云接口之拷贝文件
2. Centos7下areaDetector IOC的编译（回收站捡回）
3. 微信小程序 添加域名
4. 交叉熵损失CrossEntropyLoss
5. NETAPP FAS2720初始化配置
6. JavaScript的this指向详解
7. vue element-table滚动条样式修改
8. pip换源和制作虚拟环境操作步骤讲解
9. mysql数据库总是锁表
10. 关于Intent Uri页面跳转