我想提取PDF文件中的数据，并以CSV/Excel工作表的格式显示。我知道这可以使用java中的Tika库来完成。但是，我确实找到了如何将数据提取为简单文本的解决方案，但我想知道如何将其存储在excel表中。
如果有人以前做过这种类型的工作，那么请帮助我。
第一部分（也是最难的部分）是解析原始数据并将其解释为表。ApacheTika将为您提供xhtml表示（或使用SAX事件调用您自己的处理程序），但它通常不会为您构建表。从pdf文件，我的意思是，因为pdf本身并不是表格格式。
因此，您必须获取Tika生成的段落，将它们拆分，并将生成的单元格传递给某个csv/xls/xlsx编写器。如果你在pdf中有一些常规的表（每行一行，干净的单元格逻辑分隔等），它可能会起作用。当然，它看起来像是解析纯文本。
如果我不能工作，您将不得不使用pdf解析器（如ApachePDFBox）并尝试解释其输出。
第二部分（输出）很简单。如果csv/ssv/tsv适合您，请使用您喜欢的库来生成它（我可以推荐Apache commons csv）。但考虑到MS Excel需要UTF-8和UTF-16 csv的BOM，才能理解该文件不是单字节编码的（如CP-1252等）。
如果您想要Excel xls或xlsx格式，只需使用Apache POI即可编写。