当前位置：首页 > news >正文

【工具教程】批量提取PDF指定内容并重命名，PDF文档根据指定识别文字改名，基于java的实现方案

news 来源：原创 2025/5/9 6:20:58

物流单据处理：每天处理大量发货单PDF，提取订单编号、发货方信息等关键字段重命名文件

合同管理：从合同PDF中提取合同编号、签署方名称等作为文件名

学术论文整理：根据论文标题或作者信息重命名PDF文件

财务票据归档：从发票PDF中提取发票号码、日期等信息命名文件

界面设计

图形界面(GUI)设计

// 使用Java Swing设计简单界面
JFrame frame = new JFrame("PDF批量重命名工具");
frame.setSize(500, 400);// 主要组件
JButton selectDirBtn = new JButton("选择PDF目录");
JTextField dirPathField = new JTextField(30);
JTextArea logArea = new JTextArea(10, 40);
JButton processBtn = new JButton("开始处理");// 布局
JPanel panel = new JPanel();
panel.add(new JLabel("PDF目录:"));
panel.add(dirPathField);
panel.add(selectDirBtn);
panel.add(new JScrollPane(logArea));
panel.add(processBtn);frame.add(panel);
frame.setVisible(true);

命令行界面(CLI)设计

支持命令行参数：

java -jar PDFRenamer.jar -i /path/to/pdf -o /output/path -p "提取模式"

详细实现步骤

1. 环境准备

JDK 8+
Maven项目
添加PDFBox依赖

<dependency><groupId>org.apache.pdfbox</groupId><artifactId>pdfbox</artifactId><version>2.0.29</version>
</dependency>

2. 核心代码实现

PDF文本提取类

import org.apache.pdfbox.pdmodel.PDDocument;
import org.apache.pdfbox.text.PDFTextStripper;
import org.apache.pdfbox.text.TextPosition;public class PDFTextExtractor {public static String extractTextFromRegion(String filePath, int pageNum, float x1, float y1, float x2, float y2) throws IOException {try (PDDocument document = PDDocument.load(new File(filePath))) {PDFTextStripper stripper = new PDFTextStripper() {@Overrideprotected void writeString(String text, List<TextPosition> textPositions) {for (TextPosition textPosition : textPositions) {float x = textPosition.getX();float y = textPosition.getY();// 只收集指定区域内的文本if (x >= x1 && x <= x2 && y >= y1 && y <= y2) {super.writeString(text, textPositions);break;}}}};stripper.setStartPage(pageNum);stripper.setEndPage(pageNum);return stripper.getText(document).trim();}}
}

批量重命名类

import java.io.File;
import java.io.IOException;
import java.nio.file.Files;
import java.nio.file.Path;
import java.nio.file.Paths;public class PDFRenamer {public static void batchRename(String dirPath, String pattern) throws IOException {File dir = new File(dirPath);File[] pdfFiles = dir.listFiles((d, name) -> name.endsWith(".pdf"));if (pdfFiles == null) return;for (File pdfFile : pdfFiles) {// 提取指定区域文本作为新文件名String newName = extractContentForNaming(pdfFile.getPath(), pattern);if (newName != null && !newName.isEmpty()) {Path source = Paths.get(pdfFile.getPath());Path target = Paths.get(pdfFile.getParent(), newName + ".pdf");// 避免文件名冲突int counter = 1;while (Files.exists(target)) {target = Paths.get(pdfFile.getParent(), newName + "_" + (counter++) + ".pdf");}Files.move(source, target);System.out.println("重命名: " + pdfFile.getName() + " -> " + target.getFileName());}}}private static String extractContentForNaming(String filePath, String pattern) {// 实现根据pattern提取特定内容的逻辑// 例如从第一页的(100,100)到(300,300)区域提取文本try {return PDFTextExtractor.extractTextFromRegion(filePath, 1, 100, 100, 300, 300);} catch (IOException e) {e.printStackTrace();return null;}}
}

3. 使用示例

public class Main {public static void main(String[] args) {// GUI版本PDFRenamerGUI.launch();// 或CLI版本if (args.length > 0) {PDFRenamer.batchRename(args[0], "default");} else {PDFRenamer.batchRename("C:\\PDFs", "title");}}
}