技術標籤：javajava

要求

通過解析pdf檔案，輸出發票程式碼，發票號碼，開票日期(YYYYMMDD)，校驗碼後六位。

Demo下載地址(包含jar包和測試pdf檔案)

實現

import java.io.File;
import org.apache.pdfbox.pdmodel.PDDocument;
import org.apache.pdfbox.text.PDFTextStripper;
public class PDFInvoiceExtractor {
    /**
     * @param path pdf檔案的路徑
     * @return  pdf中的文字資訊，但是由於pdf本身格式的問題，導致文字的順序可能會錯亂。
     */
 

    public  String parsePDF(String path){
    	String result = "";
    	try{
        	PDDocument document = PDDocument.load(new File(path));
            PDFTextStripper stripper = new PDFTextStripper();
            stripper.setSortByPosition(true);
            for (int p = 1; p <= document.
 
getNumberOfPages(); ++p)
            {
                stripper.setStartPage(p);
                stripper.setEndPage(p);
                String text = stripper.getText(document);
                result += text;
            }   		
    	}catch(Exception e){
    		e.printStackTrace();
    	}
    	return
 
 result;    	
    }
    
	public static void main(String[] args) {
		PDFInvoiceExtractor pie = new PDFInvoiceExtractor();
		//System.out.println(pie.parsePDF("031001800211-84462201 - 圖書.pdf"));
		//TODO  這裡開始你們的表演：
		//對給出的4個pdf檔案進行解析。
		//使用String解析上述的文字資訊(即下面的變數s)，只輸出發票程式碼，發票號碼，開票日期（YYYYMMDD公示），校驗碼後六位。
		String s = pie.parsePDF("76439508  - 技術服務費 阿里雲.pdf");
		System.out.println(s);
		//發票程式碼
		System.out.println("發票程式碼："+s.substring(s.indexOf("發票程式碼")+5).split("[^0-9]")[0]);
		//發票號碼
		System.out.println("發票號碼："+s.substring(s.indexOf("發票號碼")+5).split("[^0-9]")[0]);
		//開票日期
		System.out.println("開票日期："+s.substring(s.indexOf("開票日期")+5).split("日")[0].replaceAll("[^0-9]",""));
		//校驗碼
		s=s.replaceAll(" ","");
		String jiao= s.substring(s.indexOf("校驗碼")+4).split("[^0-9]")[0];
		System.out.println("校驗碼："+jiao.substring(jiao.length()-6));
	}
}

寫作不易，既然來了，不妨點個關注，點個贊吧！！！