序

tika是個功能強大的項目，這里展示下如何使用tika來將pdf轉為html。

maven

org.apache.tika

tika-core

1.16

org.apache.tika

tika-parsers

1.16

轉換

public static String extractHtml(File file) throws IOException {

byte[] bytes = Files.toByteArray(file);

AutoDetectParser tikaParser = new AutoDetectParser();

ByteArrayOutputStream out = new ByteArrayOutputStream();

SAXTransformerFactory factory = (SAXTransformerFactory) SAXTransformerFactory.newInstance();

TransformerHandler handler;

try {

handler = factory.newTransformerHandler();

} catch (TransformerConfigurationException ex) {

throw new IOException(ex);

}

handler.getTransformer().setOutputProperty(OutputKeys.METHOD, "html");

handler.getTransformer().setOutputProperty(OutputKeys.INDENT, "yes");

handler.getTransformer().setOutputProperty(OutputKeys.ENCODING, "UTF-8");

handler.setResult(new StreamResult(out));

ExpandedTitleContentHandler handler1 = new ExpandedTitleContentHandler(handler);

try {

tikaParser.parse(new ByteArrayInputStream(bytes), handler1, new Metadata());

} catch (SAXException | TikaException ex) {

throw new IOException(ex);

}

return new String(out.toByteArray(), "UTF-8");

}

小結

效果對比的話，pdfDom的效果好一點。

總結

以上是生活随笔為你收集整理的java tika pdf转图片_使用tika将pdf转为html的全部內容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網站內容還不錯，歡迎將生活随笔推薦給好友。