Groovy PDFBox 按顺序读取 PDF 文件并提取内容到列表

以下是一个示例代码，可以按顺序读取 pdf 文件，并将每个页面的内容提取出来放到一个 list 中：

import java.io.File
import java.io.IOException
import java.util.ArrayList
import java.util.List

import org.apache.pdfbox.pdmodel.PDDocument
import org.apache.pdfbox.text.PDFTextStripper

class PDFReader {

    static void main(String[] args) {
        List<String> contentList = new ArrayList<String>()
        
        try {
            // Load PDF document
            PDDocument document = PDDocument.load(new File('test.pdf'))
            
            // Create PDF text stripper
            PDFTextStripper stripper = new PDFTextStripper()
            
            // Loop through each page and extract content
            for (int i = 1; i <= document.getNumberOfPages(); i++) {
                stripper.setStartPage(i)
                stripper.setEndPage(i)
                String content = stripper.getText(document)
                contentList.add(content)
            }
            
            // Close the document
            document.close()
        } catch (IOException e) {
            e.printStackTrace()
        }
        
        // Print the content list
        for (String content in contentList) {
            println content
        }
    }

}

在这个示例代码中，我们使用了 PDFBox 的 PDDocument 类来读取 pdf 文件。我们使用 PDFTextStripper 类来提取每个页面的内容，并将其添加到一个 list 中。最后，我们循环遍历这个 list 并将其输出到控制台。