Discussion :

[kalina]

Bonjour les développeurs,

J'ai besoin de votre aide pour extraire le texte d'un certain nombre de documents PDF et l'enregistrer dans un fichier Excel ou une base de données.
Quelle librairie dois-je utiliser? et par où il faut commencer?

Merci de votre aide!

[Pill_S]

Avec PDFBox pour extraire le texte:

Code :

Sélectionner tout - Visualiser dans une fenêtre à part

1
2
3
4
5
		<dependency>
			<groupId>org.apache.pdfbox</groupId>
			<artifactId>pdfbox</artifactId>
			<version>1.8.9</version>
		</dependency>

Code :

Sélectionner tout - Visualiser dans une fenêtre à part

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
		PDFParser parser = null;
		PDDocument pdDoc = null;
		COSDocument cosDoc = null;
 
		try {
			parser = new PDFParser(new FileInputStream(new File(filename)));
			parser.parse();
			cosDoc = parser.getDocument();
			PDFTextStripper pdfStripper = new PDFTextStripper();
			pdDoc = new PDDocument(cosDoc);
			return pdfStripper.getText(pdDoc);
		} finally {
			if (cosDoc != null) {
				try {
					cosDoc.close();
				} catch (Exception e) {
					e.printStackTrace();
				}
			}
			if (pdDoc != null) {
				try {
					pdDoc.close();
				} catch (Exception e) {
					e.printStackTrace();
				}
			}
		}

pour injecter dans excel, tu as POI:

Code :

Sélectionner tout - Visualiser dans une fenêtre à part

1
2
3
4
5
		<dependency>
			<groupId>org.apache.poi</groupId>
			<artifactId>poi-ooxml</artifactId>
			<version>3.11</version>
		</dependency>

et le tuto de base: http://poi.apache.org/spreadsheet/qu...ml#CreateCells

[kalina]

Bonjour,

Merci Pill_S pour ton aide, je vais explorer tout ça!