识别pdf格式发票信息

方案一：（会丢失文件内容排版格式）

import java.awt.Rectangle;
import java.io.File;
import java.io.FileInputStream;
import java.io.FileOutputStream;
import java.io.IOException;
import java.io.StringWriter;
import java.util.List;
import java.util.regex.Matcher;
import java.util.regex.Pattern;

import org.apache.pdfbox.pdmodel.PDDocument;
import org.apache.pdfbox.pdmodel.PDPage;
import org.apache.pdfbox.text.PDFTextStripper;
import org.apache.pdfbox.text.PDFTextStripperByArea;

import com.itextpdf.text.Document;
import com.itextpdf.text.pdf.PdfCopy;
import com.itextpdf.text.pdf.PdfDictionary;
import com.itextpdf.text.pdf.PdfName;
import com.itextpdf.text.pdf.PdfNumber;
import com.itextpdf.text.pdf.PdfReader;
import com.itextpdf.text.pdf.PdfSmartCopy;

//传入文件所在路径即可　　　　
public static String readPDF(String filePath){
    PDDocument helloDocument = null;
    String returnTag = "";
        // 读文本内容
    PDFTextStripper stripper;
    try {
        helloDocument=PDDocument.load(new File(filePath));
        int pages = helloDocument.getNumberOfPages();
            stripper = new PDFTextStripper();
        // 设置按顺序输出
        stripper.setSortByPosition(true);
        stripper.setStartPage(1);
        stripper.setEndPage(pages);
        String contText=stripper.getText(helloDocument).replaceAll(" ", "");
        System.out.println("contText:"+contText);//发票内容
        //利用正则 匹配需要验证的信息
        Pattern pattern = Pattern.compile("发票号码[:：]{1}[0-9]{8}");
        Matcher matcher = pattern.matcher(contText);  
        boolean find = matcher.find();//是否包含正则匹配内容
        System.out.println("find:"+find);
        if(find){
        　　returnTag=matcher.group();//与正则相匹配的内容
        }
        helloDocument.close();
    } catch (IOException e) {
        // TODO Auto-generated catch block
        e.printStackTrace();
    }
    return returnTag;
}      
 

方案二：

其中所用jar包有：activation-1.1.1.jar  jaxb-api-2.3.0.jar  jaxb-core-2.3.0.jar  jaxb-impl-2.3.0.jar  Spire.Pdf.jar

import com.spire.pdf.PdfDocument;
import com.spire.pdf.PdfPageBase;

 public static void readPDF(String filePath){
        //创建PdfDocument实例
        PdfDocument doc = new PdfDocument();
        //加载PDF文件
        doc.loadFromFile("C:\Users\Gean_2016\Desktop\pdf\1 (6).pdf");
        String returnTag = "";
        //创建StringBuilder实例                
        StringBuilder sb = new StringBuilder();   
 
        PdfPageBase page;                
        //遍历PDF页面，获取每个页面的文本并添加到StringBuilder对象
        for(int i= 0;i<doc.getPages().getCount();i++){
            page = doc.getPages().get(i);            
            sb.append(page.extractText(true));
        }
        //已经获取到pdf文件内容
        String contText = sb.toString();
        
        //去除读取内容中的指顶符号字符
        contText=contText.replaceAll(" ", "");
          contText=contText.replaceAll("[\t\n\r]", "");
        contText = contText.replaceAll("[（）()¥￥]", "");
        System.out.println(contText);
    }