使用pdfbox 2.0.X jar提取文本

Question

我有一个pdf文件的Inputstream。现在，我想从inputStream中提取所有字符串内容。我发现了以下示例。我应该使用第一个还是第二个？两者之间在性能上有什么区别吗？PDFParser在第二篇中有什么用？

片段1：

PDDocument doc = PDDocument.load(is);

PDFTextStripper stripper = new PDFTextStripper();

String result = stripper.getText(doc);

片段2：

PDFTextStripper stripper = new PDFTextStripper();

PDFParser parser = new PDFParser(newRandomAccessBufferedFileInputStream(stream));

parser.parse();

doc = parser.getPDDocument();

String content = stripper.getText(doc);

提前致谢 ！！！

Answer 1

使用第一个代码。第二个代码也可以工作，但是已经过时并且没有什么不同，解析的东西在内部调用load()。速度是一样的。通过使用文件作为参数或字节数组，您将获得最佳结果。使用流将需要PDFBox进行一些额外的缓冲。您的代码不会告诉您stream来自何处。如果是FileInputStream，则应该File改用。