Apache PDFBox: Gratis open source-værktøj til PDF-dokumenter

Apache PDFBox er et gratis værktøj til at arbejde med PDF-filer – lige fra at oprette og redigere dokumenter til at flette dem sammen, dele dem op, kryptere dem og udtrække teksten. I modsætning til mange andre PDF-programmer har PDFBox som udgangspunkt ingen grafisk brugerflade med knapper og menuer. Det er et open source Java-bibliotek, som udviklere bygger ind i deres egne programmer, og det følger samtidig med en række kommandolinjeværktøjer, som du kan bruge direkte fra tastaturet.

Denne guide forklarer i et letforståeligt sprog, hvad Apache PDFBox er, hvordan det fungerer, hvilke funktioner det rummer, hvad det kræver af din computer, og hvem værktøjet egner sig til – samt hvilke alternativer der findes.

Hvad er Apache PDFBox?

Apache PDFBox er et open source-værktøj. Open source betyder, at kildekoden er frit tilgængelig for alle: du kan hente, bruge, ændre og dele programmet uden at betale for en licens. PDFBox udvikles af Apache Software Foundation, en kendt non-profit-organisation bag mange af internettets mest udbredte open source-projekter.

Værktøjet er skrevet i programmeringssproget Java. Java er kendt for at kunne køre på stort set alle styresystemer – Windows, macOS og Linux – så længe computeren har Javas kørselsmiljø installeret. Det betyder, at PDFBox fungerer ens, uanset hvilken platform du bruger.

PDFBox er først og fremmest et bibliotek. Et softwarebibliotek er en samling færdig kode, som andre programmer kan trække på i stedet for selv at skulle bygge funktionerne fra bunden. Når en app skal kunne læse, danne eller ændre PDF-filer, kan udvikleren lade PDFBox klare arbejdet bag kulisserne. PDFBox er dermed et af de mest udbredte byggeklodser til PDF-håndtering i Java-verdenen.

Sådan fungerer PDFBox

Du kan bruge PDFBox på to måder, afhængigt af hvem du er.

Som Java-bibliotek for udviklere

Hvis du selv programmerer, tilføjer du PDFBox til dit projekt og kalder dets funktioner fra din egen kode. På den måde kan et program for eksempel automatisk fylde data ind i en PDF-formular, flette flere fakturaer til én fil eller trække teksten ud af tusindvis af dokumenter uden manuelt arbejde. PDFBox bygger videre på en komponent kaldet FontBox, der håndterer skrifttyper i PDF-filer.

Kommandolinjeværktøjet (pdfbox-app)

Du behøver dog ikke at kunne programmere for at bruge PDFBox. Projektet udgiver en færdig fil – en såkaldt JAR-fil ved navn pdfbox-app – der indeholder en samling kommandoer. En JAR-fil (Java Archive) er blot en pakket Java-applikation, som du kan køre direkte.

Kommandolinjen (også kaldet kommandoprompten i Windows eller terminalen på Mac og Linux) er et tekstvindue, hvor du skriver instruktioner til computeren med tastaturet i stedet for at klikke med musen. Med pdfbox-app skriver du en kommando, trykker Enter, og værktøjet udfører opgaven på din PDF-fil. Det er hurtigt, når du skal behandle mange filer på samme måde.

Funktioner i Apache PDFBox

PDFBox dækker de fleste opgaver, man har brug for med PDF-dokumenter. De vigtigste er:

• Oprette PDF-filer – dan nye dokumenter fra bunden, med indlejrede skrifttyper og billeder.
• Udtrække tekst – hent al teksten ud af en PDF, så den kan søges i, analyseres eller genbruges.
• Flette og dele op – saml flere PDF-filer til én, eller del ét dokument op i flere.
• Kryptere og dekryptere – lås en PDF med adgangskode og sæt rettigheder, eller fjern beskyttelsen igen (kræver ejer-adgangskoden).
• Håndtere formularer – læse og udfylde felter i interaktive PDF-formularer (AcroForm) og importere/eksportere data som FDF og XFDF.
• Konvertere til billeder – gengive hver side som et billede, for eksempel PNG eller JPEG.
• Danne PDF fra tekst eller billeder – lav en PDF ud fra en tekstfil eller en række billedfiler.
• Udskrive – sende dokumentet til en printer via Javas udskrivningsfunktion.
• Fejlfinde – et indbygget inspektionsværktøj (PDFDebugger) lader dig kigge ind i filens interne struktur.

Systemkrav og installation

Det eneste reelle krav er, at Java er installeret på din computer. PDFBox er selv meget nøjsomt og stiller ingen tunge krav til hardware. Hvilken Java-version du skal bruge, afhænger af hvilken PDFBox-udgave du vælger:

• PDFBox 3.0.x kræver mindst Java 8.
• PDFBox 2.0.x kører allerede fra Java 6.

Selve kommandolinjeværktøjet behøver du ikke at "installere" i klassisk forstand. Du henter blot pdfbox-app-JAR-filen (ca. 13 MB) fra det officielle websted og placerer den i en mappe. Er du i tvivl om, hvorvidt Java allerede findes på maskinen, kan du skrive java -version i kommandoprompten. Pas på kun at hente Java fra officielle kilder – få gode råd i vores guide til at undgå spyware i din Java-installation. Da PDFBox er platformuafhængigt, fungerer det lige godt på Windows, macOS og Linux som styresystem.

Versioner: 2.0, 3.0 og 4.0

PDFBox vedligeholdes i flere parallelle udgaver. 3.0-serien er den aktuelle, anbefalede version, mens 2.0-serien stadig opdateres af hensyn til ældre systemer. En 4.0-version er under udvikling, men endnu ikke udgivet. Bemærk, at 3.x bruger små bogstaver i kommandoerne (for eksempel export:text), hvor 2.x brugte store (for eksempel ExtractText).

Sådan kommer du i gang

Når Java er på plads og du har hentet pdfbox-app-JAR-filen, åbner du kommandoprompten, går til mappen med filerne og bruger mønsteret java -jar pdfbox-app-3.0.8.jar <kommando> [valg] -i=indfil. Her er nogle af de mest brugte kommandoer i 3.x:

• Udtræk tekst: java -jar pdfbox-app-3.0.8.jar export:text -i=dokument.pdf -o=dokument.txt
• Flet flere filer: java -jar pdfbox-app-3.0.8.jar merge -i=fil1.pdf -i=fil2.pdf -o=samlet.pdf
• Del en PDF op: java -jar pdfbox-app-3.0.8.jar split -i=dokument.pdf
• Krypter med adgangskode: java -jar pdfbox-app-3.0.8.jar encrypt -i=dokument.pdf
• Gengiv sider som billeder: java -jar pdfbox-app-3.0.8.jar render -i=dokument.pdf

Vil du dykke dybere ned i mulighederne, kan du på udviklerens hjemmeside læse mere om Apache PDFBox, hvor både kommandolinjeværktøjet og programmeringsgrænsefladen er dokumenteret.

Licens, sikkerhed og privatliv

PDFBox udgives under Apache License 2.0. Det er en meget tilladelig open source-licens: du må frit bruge værktøjet både privat og kommercielt, ændre koden og indbygge det i dine egne produkter, uden at skulle offentliggøre din egen kildekode.

Fordi PDFBox kører lokalt på din egen computer og ikke sender dine dokumenter til en skytjeneste, bevarer du fuld kontrol over dine data. Det er en reel fordel frem for mange gratis online PDF-tjenester, hvor filerne uploades til en fremmed server. Som med alt andet software bør du dog kun hente PDFBox fra det officielle Apache-websted og holde både Java og PDFBox opdateret, da sikkerhedshuller løbende bliver rettet i nye udgaver.

PDFBox sammenlignet med andre PDF-værktøjer

PDFBox er langtfra det eneste værktøj til PDF-filer. Valget afhænger af, om du vil programmere, arbejde fra kommandolinjen eller klikke dig frem i et vindue. Tabellen nedenfor giver et neutralt overblik over nogle kendte alternativer og deres kendetegn.

Vil du hellere redigere PDF-filer i et vindue med menuer, kan et gratis kontorpakke-alternativ være lettere at gå til. Se for eksempel vores oversigt over gratis alternativer til Microsoft Office eller gennemgangen af WPS Office, der begge kan åbne og gemme PDF. Og leder du efter andet frit open source-software, har vi også en guide til gratis billedbehandling med GIMP.

Hvem passer Apache PDFBox til?

PDFBox henvender sig klarest til to grupper. Den ene er udviklere, der skal have PDF-funktioner ind i et program, en webtjeneste eller en automatiseret arbejdsgang – her er PDFBox et modent, gratis og veldokumenteret valg. Den anden er teknisk nysgerrige brugere, der er trygge ved kommandolinjen og vil behandle mange filer på én gang, for eksempel udtrække tekst fra en hel mappe med dokumenter.

Er du derimod almindelig bruger, der blot vil fjerne et par sider eller skrive en kommentar i en enkelt PDF med musen, vil et grafisk program som regel føles mere naturligt. PDFBox er et kraftfuldt værktøj, men styrken ligger i automatisering og integration, ikke i en pæn brugerflade.

Almindelige fejl og faldgruber

• Java mangler – den hyppigste årsag til, at kommandoen ikke virker, er at Java ikke er installeret, eller at versionen er for gammel til den valgte PDFBox-udgave.
• Forkert versionssyntaks – kommandoer fra 2.x (store bogstaver) virker ikke i 3.x (små bogstaver med -i= foran filnavnet), og omvendt.
• Output overskrives – udelader du valget for uddatafil, kan værktøjet i nogle tilfælde skrive hen over originalen. Angiv altid et sikkert filnavn.
• Låste dokumenter – du kan kun fjerne kryptering, hvis du kender ejer-adgangskoden. PDFBox er ikke et værktøj til at bryde beskyttelse, du ikke har rettighed til.

Denne artikel er oprindeligt skrevet i samarbejde med det norske nyhedsmedie StartsidenDin.no.

Ofte stillede spørgsmål (FAQ)

Er Apache PDFBox gratis?

Ja. PDFBox er fuldt gratis og udgives som open source under Apache License 2.0, der tillader både privat og kommerciel brug uden licensbetaling.

Skal jeg kunne programmere for at bruge PDFBox?

Ikke nødvendigvis. Udviklere bruger PDFBox som et Java-bibliotek i deres kode, men alle kan bruge det færdige kommandolinjeværktøj (pdfbox-app) til for eksempel at flette, dele op eller udtrække tekst fra PDF-filer.

Hvilken version af PDFBox skal jeg vælge?

Til nye projekter anbefales 3.0-serien (nyeste er 3.0.8), som kræver mindst Java 8. 2.0-serien (2.0.37) vedligeholdes fortsat og kan køre på ældre systemer helt fra Java 6.

Virker PDFBox på Windows, Mac og Linux?

Ja. Fordi PDFBox er skrevet i Java, fungerer det på alle styresystemer, der har Javas kørselsmiljø installeret – herunder Windows, macOS og Linux.

Kan PDFBox fjerne en adgangskode fra en PDF?

Det kan fjerne kryptering med kommandoen decrypt, men kun hvis du kender ejer-adgangskoden til dokumentet. PDFBox er ikke beregnet til at omgå beskyttelse på filer, du ikke har adgang til.