PDFBox - Panoramica

Il Portable Document Format (PDF) è un formato di file che aiuta a presentare i dati in modo indipendente dal software applicativo, dall'hardware e dai sistemi operativi.

Ogni file PDF contiene la descrizione di un documento flat a layout fisso, inclusi testo, caratteri, grafica e altre informazioni necessarie per visualizzarlo.

Sono disponibili diverse librerie per creare e manipolare documenti PDF tramite programmi, come:

  • Adobe PDF Library - Questa libreria fornisce API in linguaggi come C ++, .NET e Java e utilizzando questo possiamo modificare, visualizzare, stampare ed estrarre testo da documenti PDF.

  • Formatting Objects Processor- Formattatore di stampa open source guidato da XSL Formatting Objects e un formattatore indipendente dall'output. La destinazione di output principale è PDF.

  • iText - Questa libreria fornisce API in linguaggi come Java, C # e altri linguaggi .NET e utilizzando questa libreria possiamo creare e manipolare documenti PDF, RTF e HTML.

  • JasperReports - Questo è uno strumento di reporting Java che genera report in documenti PDF inclusi Microsoft Excel, RTF, ODT, valori separati da virgole e file XML.

Cos'è un PDFBox

Apache PDFBox è una libreria Java open source che supporta lo sviluppo e la conversione di documenti PDF. Utilizzando questa libreria, è possibile sviluppare programmi Java che creano, convertono e manipolano documenti PDF.

Oltre a ciò, PDFBox include anche un'utilità della riga di comando per eseguire varie operazioni su PDF utilizzando il file Jar disponibile.

Caratteristiche di PDFBox

Di seguito sono riportate le caratteristiche principali di PDFBox:

  • Extract Text - Utilizzando PDFBox, puoi estrarre testo Unicode da file PDF.

  • Split & Merge - Utilizzando PDFBox, puoi dividere un singolo file PDF in più file e unirli di nuovo come un unico file.

  • Fill Forms - Utilizzando PDFBox, puoi compilare i dati del modulo in un documento.

  • Print - Utilizzando PDFBox, è possibile stampare un file PDF utilizzando l'API di stampa Java standard.

  • Save as Image - Utilizzando PDFBox, puoi salvare i PDF come file di immagine, come PNG o JPEG.

  • Create PDFs - Utilizzando PDFBox, puoi creare un nuovo file PDF creando programmi Java e puoi anche includere immagini e caratteri.

  • Signing- Utilizzando PDFBox, puoi aggiungere firme digitali ai file PDF.

Applicazioni di PDFBox

Le seguenti sono le applicazioni di PDFBox:

  • Apache Nutch- Apache Nutch è un software di ricerca web open source. Si basa su Apache Lucene, aggiungendo specifiche web, come un crawler, un database di link-graph, parser per HTML e altri formati di documenti, ecc.

  • Apache Tika - Apache Tika è un toolkit per rilevare ed estrarre metadati e contenuto di testo strutturato da vari documenti utilizzando le librerie di parser esistenti.

Componenti di PDFBox

I seguenti sono i quattro componenti principali di PDFBox:

  • PDFBox- Questa è la parte principale del PDFBox. Contiene le classi e le interfacce relative all'estrazione e alla manipolazione del contenuto.

  • FontBox - Questo contiene le classi e le interfacce relative al carattere e utilizzando queste classi possiamo modificare il carattere del testo del documento PDF.

  • XmpBox - Contiene le classi e le interfacce che gestiscono i metadati XMP.

  • Preflight - Questo componente viene utilizzato per verificare i file PDF rispetto allo standard PDF / A-1b.