我将为你介绍三种主流的方案,并附上详细的代码示例和优缺点分析：
（图片来源网络，侵删）
- Apache PDFBox (纯 Java 开源)：最灵活，但需要额外依赖库来处理转换。
- Spire.PDF (商业库，有免费版)：功能强大，代码简单，效果较好，但有免费版限制。
- Aspose.PDF (商业库)：业界顶尖，功能最全面，效果最好，但价格昂贵。
Apache PDFBox + Apache POI (推荐，纯 Java 开源)
这个方案结合了两个顶级的 Apache 开源库：
- PDFBox: 用于读取和解析 PDF 文件。
- POI: 用于创建和写入 Word (
.docx) 文件。
核心思路：PDFBox 逐页读取 PDF 中的文本内容，然后我们使用 POI 将这些文本内容按顺序写入到 Word 文档中。
添加 Maven 依赖
在你的 pom.xml 文件中添加以下依赖：
<!-- PDFBox for PDF parsing -->
<dependency>
<groupId>org.apache.pdfbox</groupId>
<artifactId>pdfbox</artifactId>
<version>2.0.27</version> <!-- 请使用最新版本 -->
</dependency>
<!-- POI for creating Word documents -->
<dependency>
<groupId>org.apache.poi</groupId>
<artifactId>poi-ooxml</artifactId>
<version>5.2.3</version> <!-- 请使用最新版本 -->
</dependency>
Java 代码示例
这个示例将 PDF 的文本内容提取出来，并创建一个包含这些文本的 Word 文档，它不保留原始的格式（如字体、大小、位置），但保留了文本顺序。
（图片来源网络，侵删）
import org.apache.pdfbox.pdmodel.PDDocument;
import org.apache.pdfbox.text.PDFTextStripper;
import org.apache.poi.xwpf.usermodel.XWPFDocument;
import org.apache.poi.xwpf.usermodel.XWPFParagraph;
import org.apache.poi.xwpf.usermodel.XWPFRun;
import java.io.File;
import java.io.FileInputStream;
import java.io.FileOutputStream;
import java.io.IOException;
public class PdfToWordConverter {
public static void main(String[] args) {
// 输入的PDF文件路径
String pdfFilePath = "input.pdf";
// 输出的Word文件路径
String wordFilePath = "output.docx";
try {
convertPdfToWord(pdfFilePath, wordFilePath);
System.out.println("PDF to Word conversion completed successfully!");
} catch (IOException e) {
System.err.println("An error occurred during PDF to Word conversion: " + e.getMessage());
e.printStackTrace();
}
}
public static void convertPdfToWord(String pdfPath, String wordPath) throws IOException {
// 1. 加载PDF文件
try (PDDocument document = PDDocument.load(new File(pdfPath))) {
// 2. 创建一个PDFTextStripper对象来提取文本
PDFTextStripper pdfStripper = new PDFTextStripper();
// (可选) 设置要提取的页面范围，例如只提取第一页
// pdfStripper.setStartPage(1);
// pdfStripper.setEndPage(1);
// 3. 提取所有页面的文本
String text = pdfStripper.getText(document);
// 4. 创建一个新的Word文档
try (XWPFDocument wordDocument = new XWPFDocument()) {
// 5. 将提取的文本按行分割，并为每一行创建一个段落
String[] lines = text.split("\\r?\\n");
for (String line : lines) {
XWPFParagraph paragraph = wordDocument.createParagraph();
XWPFRun run = paragraph.createRun();
run.setText(line);
}
// 6. 将Word文档写入到文件
try (FileOutputStream out = new FileOutputStream(wordPath)) {
wordDocument.write(out);
}
}
}
}
}
优缺点
- 优点：
- 完全免费和开源：无任何费用或授权问题。
- 纯 Java 实现：不依赖任何本地库或外部服务。
- 灵活性高：你可以完全控制文本提取和 Word 生成的过程。
- 缺点：
- 不保留格式：这是最大的缺点，它会丢失原始 PDF 中的字体、颜色、图片、表格、位置等所有格式信息，只保留纯文本。
- 实现复杂：如果要保留图片或简单格式，需要自己编写更复杂的逻辑来解析 PDF 的内容流，非常困难。
Spire.PDF for Java (功能强大，代码简单)
Spire 是一个商业软件公司，但它提供了免费版，免费版有功能限制（文档页数不能超过10页），但对于个人项目或小文件来说已经足够。
添加 Maven 依赖
免费版和付费版的 Maven 仓库地址不同。
免费版 (Free):
<repositories>
<repository>
<id>com.e-iceblue</id>
<url>https://repo.e-iceblue.cn/repository/maven-public/</url>
</repository>
</repositories>
<dependencies>
<dependency>
<groupId>e-iceblue</groupId>
<artifactId>spire.pdf.free</artifactId>
<version>5.2.0</version> <!-- 请使用最新版本 -->
</dependency>
</dependencies>
付费版:
（图片来源网络，侵删）
<repositories>
<repository>
<id>com.e-iceblue</id>
<url>https://repo.e-iceblue.cn/repository/maven-public/</url>
</repository>
</repositories>
<dependencies>
<dependency>
<groupId>e-iceblue</groupId>
<artifactId>spire.pdf</artifactId>
<version>10.9.0</version> <!-- 请使用最新版本 -->
</dependency>
</dependencies>
Java 代码示例
Spire.PDF 提供了非常简单的 API，一行代码就能完成转换，并且能较好地保留原始格式。
import com.spire.pdf.FileFormat;
import com.spire.pdf.PdfDocument;
public class SpirePdfToWordConverter {
public static void main(String[] args) {
// 输入的PDF文件路径
String pdfFilePath = "input.pdf";
// 输出的Word文件路径
String wordFilePath = "output_spire.docx";
try {
// 加载PDF文档
PdfDocument pdf = new PdfDocument();
pdf.loadFromFile(pdfFilePath);
// 将PDF保存为Word格式 (FileFormat.DOCX)
pdf.saveToFile(wordFilePath, FileFormat.DOCX);
System.out.println("PDF to Word conversion completed successfully using Spire.PDF!");
} catch (Exception e) {
System.err.println("An error occurred: " + e.getMessage());
e.printStackTrace();
}
}
}
优缺点
- 优点：
- 极其简单：API 设计非常直观，代码量少。
- 格式保留较好：相比 PDFBox，它能更好地保留文本、图片、超链接和基本布局。
- 性能优秀：转换速度快。
- 缺点：
- 免费版有限制：文档页数、图片数量等有限制，不适合商业或大规模应用。
- 商业授权：付费版价格不菲。
Aspose.PDF (业界标杆，效果最好)
Aspose 是另一个在文档处理领域非常知名的商业软件公司，其产品以功能全面、转换质量高而著称。
添加 Maven 依赖
Aspose.PDF 同样提供免费试用版，但会有水印。
<repositories>
<repository>
<id>AsposeJavaAPI</id>
<url>https://repository.aspose.com/repo/</url>
</repository>
</repositories>
<dependencies>
<dependency>
<groupId>com.aspose</groupId>
<artifactId>aspose-pdf</artifactId>
<version>23.12</version> <!-- 请使用最新版本 -->
</dependency>
</dependencies>
Java 代码示例
Aspose.PDF 的 API 同样非常简洁。
import com.aspose.pdf.Document;
import com.aspose.pdf.SaveFormat;
public class AsposePdfToWordConverter {
public static void main(String[] args) {
// 输入的PDF文件路径
String pdfFilePath = "input.pdf";
// 输出的Word文件路径
String wordFilePath = "output_aspose.docx";
try {
// 加载PDF文档
Document pdfDocument = new Document(pdfFilePath);
// 将PDF保存为Word格式 (SaveFormat.DocX)
pdfDocument.save(wordFilePath, SaveFormat.DocX);
System.out.println("PDF to Word conversion completed successfully using Aspose.PDF!");
} catch (Exception e) {
System.err.println("An error occurred: " + e.getMessage());
e.printStackTrace();
}
}
}
优缺点
- 优点：
- 转换质量最高：在保留原始布局、格式、字体、表格、图像等方面效果最好。
- 功能最全面：除了转换，还支持 PDF 的创建、编辑、签名、加密等几乎所有你能想到的功能。
- 稳定可靠：被大量企业级项目使用，非常稳定。
- 缺点：
- 价格昂贵：是三个方案中最贵的。
- 免费版有水印：试用版会在生成的文档上添加 Aspose 的水印。
总结与如何选择
| 特性 | Apache PDFBox + POI | Spire.PDF (免费版) | Aspose.PDF |
|---|---|---|---|
| 费用 | 完全免费 | 免费 (有页数限制) | 付费 (昂贵) |
| 格式保留 | 差 (仅文本) | 良好 | 优秀 |
| 易用性 | 复杂 | 非常简单 | 简单 |
| 灵活性 | 极高 | 中等 | 中等 |
| 适用场景 | 需要纯文本、预算有限、愿意自己动手 | 个人项目、小文件、快速实现、预算有限 | 商业项目、对格式还原要求高、预算充足 |
如何选择？
- 如果你的需求只是提取 PDF 中的纯文本，并且希望零成本、无依赖，选择 方案一 (PDFBox + POI)。
- 如果你只是偶尔转换几页小的 PDF 文档，并且希望代码写得越少越好，选择 方案二 (Spire.PDF 免费版)，它非常方便快捷。
- 如果你的项目是商业性质，或者对转换后的 Word 文档格式有非常高的要求（比如要发给客户或用于正式出版），并且预算充足，方案三 (Aspose.PDF) 是不二之选，它能提供最专业的转换效果。
