在许多新的PDF上，尤其是那些嵌入png图像的PDF上，pdfbox会出现呕吐。
我对pdftextstream印象深刻

JPedal 以及 Multivalent 还提供文本提取 Java 或者你可以访问 xpdf 使用 Runtime.exec

使用itext。例如，下面的代码片段将提取文本。

PdfTextExtractor parser =new PdfTextExtractor(new PdfReader("C:/Text.pdf"));
parser.getTextFromPage(3);

嗯，我使用tika是为了从pdf中提取原始文本（它基于pdfbox），但是我认为tika只有在您必须从不同的文件格式中提取文本时才有用（自动检测帮助很大）。
如果您只想将pdf解析为文本，我建议使用pdftextstream，因为它比其他api（如itext和pdfbox）好得多。
使用pdftextstream，您可以很容易地获得结构化文本（页面->块->行->文本单位），并可以提取相关信息，如字符编码、高度、字符在页面中的位置等。。
例子：

public class ExtractTextAllPages {
    public static void main (String[] args) throws IOException {
        String pdfFilePath = args[0];
        PDFTextStream pdfts = new PDFTextStream(pdfFilePath); 
        StringBuilder text = new StringBuilder(1024);
        pdfts.pipe(new OutputTarget(text));
        pdfts.close();
        System.out.printf("The text extracted from %s is:", pdfFilePath);
        System.out.println(text);
    }
}