DPFReader/src/main/java/PDFPacerExample.java - develop - javapractice/JavaPractice

DPFReader/src/main/java/PDFPacerExample.java
123 строки5 KB
Zexa91x0
PDF - reading and parsing
30 май 2021, 19:26
30 май 2021, 19:26e025bf3
import com.itextpdf.text.pdf.PdfReader;
import com.itextpdf.text.pdf.parser.PdfTextExtractor;
import com.itextpdf.text.pdf.parser.SimpleTextExtractionStrategy;
import com.itextpdf.text.pdf.parser.TextExtractionStrategy;

import java.io.File;
import java.io.IOException;
import java.util.*;
import java.util.regex.Matcher;
import java.util.regex.Pattern;
import java.util.stream.Collectors;

/**
 * {@see} https://habr.com/ru/post/225647/
 */
public class PDFPacerExample {

    /**
     * Метод получения Map <Номер, Прайс> из PDF файла
     *
     * @param fileName передать в метод название файла.
     * @throws IOException когда чтение из файла не возможно
     */
    public Map<Long, Double> getNumbersPriceMapFromFile(String fileName) throws IOException {

        if (fileName.isEmpty()) throw new IllegalArgumentException("Не указан путь к файлу");

        if (!(new File (fileName).canRead())) throw new IllegalArgumentException("Нет доступа к файлу: " + fileName);

        PdfReader reader = new PdfReader(fileName);
        TextExtractionStrategy strategy = new SimpleTextExtractionStrategy();
        String text = null;

        // не забываем, что нумерация страниц в PDF начинается с единицы.
        int i = 1;

        // перебираем все страницы в PDF документе
        while (i <= reader.getNumberOfPages()) {

            // записываем очередную страницу из PDF в строку
            text = PdfTextExtractor.getTextFromPage(reader, i, strategy);
//            System.out.println(text);

            // счетчик страниц
            ++i;
        }

        // получаем номера с листа PDF
        List<Long> numbersList = new ArrayList<>(getNumbersList(text)); // сохраняем в лист

        // получаем суммы для номеров из подстрок строки с листа PDF
        List<Double> pricesLists = new ArrayList<>(getPrices(text));
        System.out.println(pricesLists);

        // проверяем чтобы количество полученных значений для номеров и сумм совпадало.
        if (numbersList.size() != pricesLists.size())
            throw new IllegalArgumentException("количество полученных номеров не соответствует количеству сумм");

        // получаем Мap из листов
        Map<Long, Double> resultMap = new HashMap<>();
        while (!numbersList.isEmpty()){
            resultMap.put(numbersList.remove(0), pricesLists.remove(0));
        }

        // убираем за собой
        reader.close();

        return resultMap;
    }

    /**
     * Метод получения List <Номер>
     * @param text строка всех данных импортированная из PDF файла
     * @return List <Номер>
     */
    private static List<Long> getNumbersList(String text) {
        // делим строку листа PDF на подстроки
        String[] lines = text.split("\\r?\\n");

        // паттерн выделения номера из подстроки вида "Абонент 79519615255 Мой бизнес S (Ханты-Мансийск NEW)"
        Pattern patternNumber = Pattern.compile("Абонент (\\d+) \\D*");

        return Arrays.stream(lines)
                .filter(s -> s.contains("Абонент")) // выбираем все строки где есть "Абонент"
                .map(s -> { // выдергиваем подстроку - номер
                    Matcher m1 = patternNumber.matcher(s);
                    if (m1.matches()) return m1.group(1);
                    else return "0";
                })
                .map(s -> s.substring(1)) // убираем первую 7 из номера
                .map(Long::valueOf) // String to Long
                .collect(Collectors.toList());
    }

    /**
     * Метод получения List <Цена>
     * @param text строка всех данных импортированная из PDF файла
     * @return List <Цена>
     */
    private static List<Double> getPrices(String text) {

        // делим строку листа PDF на подстроки
        String[] lines = text.split("\\r?\\n");

        // паттерн выделения суммы из подстроки вида "Абонплата 1 800,00 руб"
        Pattern patternPrice = Pattern.compile("([0-9]*\\s*[0-9]+\\,*[0-9]*) руб");

        return Arrays.stream(lines)
                .filter(s -> {// выбираем все подстроки формата "250,00 руб"
                    Matcher m1 = patternPrice.matcher(s);
                    return (m1.matches());
                })
                .map(s -> { // выдергиваем подстроку - сумму
                    Matcher m2 = patternPrice.matcher(s);
                    if (m2.matches()) return m2.group(1);
                    else return "0";
                })
                .map(s -> s.replaceAll("\\s+", "")) // удаляем пробел если есть
                .map(s -> s.replaceAll(",", "."))
                .map(Double::valueOf) // String to Long
                .collect(Collectors.toList());
    }
}