java读取pdf文件内容

java读取pdf文件内容

在java中要读取pdf文件内容，我们可以借助第三方软件实现。常用的是xpdf，本文就简单介绍在linux下如何安装xpdf，及在java中如何利用xpdf读取pdf文件内容。
一.安装xpdf

在fc系列下，不用安装，可以直接yum，但是笔者建议还是下载安装的好，因为笔者曾经碰到过这样的问题，客户服务器上的xpdf是yum安装的，有一些特殊的pdf文件就无法预览，但是将yum安装的xpdf卸载，然后下载xpdf安装程序，再重新安装后，就可以了。
1.下载
ok，我们需要下载的xpdf安装包主要有三个：

主程序： ftp://ftp.foolabs.com/pub/xpdf/xpdf-3.01pl2-linux.tar.gz
简体中文支持： ftp://ftp.foolabs.com/pub/xpdf/xpdf-chinese-simplified.tar.gz
繁体中文支持： ftp://ftp.foolabs.com/pub/xpdf/xpdf-chinese-traditional.tar.gz

2.安装部署
(1)进入下载目录，将主程序解压至/usr，也可以是其他地方，根据个人情况而定。

# tarzvfxxpdf- 3 . 01pl2-linux . tar . gz-C / usr
# cd usr

然后将其重命名，这样看起来简单点

mvxpdf- 3 . 01pl2-linux / xpdf

(2)建立中文支持。回到下载目录，依次执行：

# tarzvfxxpdf-chinese-simplified . tar . gz-C / usr / xpdf
# mv / usr / xpdf / xpdf-chinese-simplified / usr / xpdf / chinese-simplified
# tarzvfxxpdf-chinese-traditional . tar . gz-C / usr / xpdf
# mv / usr / xpdf / xpdf-chinese-traditional / usr / xpdf / chinese-traditional

(3)配置环境

# vi / etc / bashrc

增加如下内容
export PATH=/usr/xpdf/:$PATH
确保重启机器后，在控制台输入xpdf不会提示找不到命令或文件即可。
(4)资源配置

# cd / usr / xpdf
# cpsample-xpdfrcxpdfrc
# vixpdfrc

*在文件开始处增加如下内容(将/usr/xpdf替换为xpdf的实际路径)*

# -----beginChineseSimplifiedsupportpackage ( 2004 -jul- 27 )
cidToUnicodeAdobe-GB1 " /usr/xpdf/chinese-simplified/Adobe-GB1.cidToUnicode "
unicodeMapISO- 2022 -CN " /usr/xpdf/chinese-simplified/ISO-2022-CN.unicodeMap "
unicodeMapEUC-CN " /usr/xpdf/chinese-simplified/EUC-CN.unicodeMap "
unicodeMapGBK " /usr/xpdf/chinese-simplified/GBK.unicodeMap "
cMapDirAdobe-GB1 " /usr/xpdf/chinese-simplified/CMap "
toUnicodeDir " /usr/xpdf/chinese-simplified/CMap "
# displayCIDFontTTAdobe-GB1 / usr /..../ gkai00mp . ttf
# ----- end ChineseSimplifiedsupportpackage
# -----beginChineseTraditionalsupportpackage ( 2004 -jul- 27 )
cidToUnicodeAdobe-CNS1 " /usr/xpdf/chinese-traditional/Adobe-CNS1.cidToUnicode "
unicodeMapBig5 " /usr/xpdf/chinese-traditional/Big5.unicodeMap "
unicodeMapBig5ascii " /usr/xpdf/chinese-traditional/Big5ascii.unicodeMap "
cMapDirAdobe-CNS1 " /usr/xpdf/chinese-traditional/CMap "
toUnicodeDir " /usr/xpdf/chinese-traditional/CMap "
# displayCIDFontTTAdobe-CNS1 / usr /..../ bkai00mp . ttf
# ----- end ChineseTraditionalsupportpackage

然后再执行：

# cpxpdfrc / usr / local / etc /

好了，到这里我们也就安装完成了。下面介绍如何利用xpdf读取pdf文件的内容

二.利用xpdf读取pdf文件的内容

方法很简单，利用著名的Runtime.getRuntime()即可，如下：

/***/ /**
*@paramfilePathpdf文件路径
*@return
*/
public StringgetPdfContent(StringfilePath) ... {
Stringexcute="pdftotext";

String[]cmd=newString[]...{excute,"-enc","UTF-8","-q",filePath,"-"};
Processp=null;
try...{
p=Runtime.getRuntime().exec(cmd);
}catch(IOExceptione)...{
e.printStackTrace();
}

BufferedInputStreambis=newBufferedInputStream(p.getInputStream());

InputStreamReaderreader=null;

try...{
reader=newInputStreamReader(bis,"UTF-8");
}catch(UnsupportedEncodingExceptione1)...{
e1.printStackTrace();
}

StringBuffersb=newStringBuffer();

try...{
BufferedReaderbr=newBufferedReader(reader);
Stringline=br.readLine();
sb=newStringBuffer();
while(line!=null)...{
sb.append(line);
sb.append(" ");
line=br.readLine();
}
}catch(Exceptione)...{
e.printStackTrace();
}

returnsb.toString();
}