用PDFBOX读取PDF文件提取内容

因为在apache官网上下载PDFBOX1.2jar包时，数据文件有丢失，未成功下载。所以用旧版本PDFBox-0.7.3的。

下载PDFBox-0.7.3后，可以找到需要的两个jar包，在不同的文件夹里。

1、准备两个jar包 PDFBox-0.7.3.jar，FontBox-0.1.0-dev.jar

2、

import org.pdfbox.pdmodel.PDDocument;
import org.pdfbox.pdfparser.PDFParser;
import java.io.*;
import org.pdfbox.util.PDFTextStripper;
import java.util.Date;

public class PdfExtracter {
 public PdfExtracter() {
 }

 public String GetTextFromPdf(String filename) throws Exception {
  String temp = null;
  PDDocument pdfdocument = null;
  FileInputStream is = new FileInputStream(filename);
  PDFParser parser = new PDFParser(is);
  parser.parse();
  pdfdocument = parser.getPDDocument();
  ByteArrayOutputStream out = new ByteArrayOutputStream();
  OutputStreamWriter writer = new OutputStreamWriter(out);
  PDFTextStripper stripper = new PDFTextStripper();
  stripper.writeText(pdfdocument.getDocument(), writer);
  writer.close();
  byte[] contents = out.toByteArray();

  String ts = new String(contents);
  System.out.println("the string length is" + contents.length + "\n");
  return ts;
 }

 public static void main(String args[]) {
  PdfExtracter pf = new PdfExtracter();
  PDDocument pdfDocument = null;

  try {
   String ts = pf.GetTextFromPdf("d:\\test.pdf");
   System.out.println(ts);
  } catch (Exception e) {
   e.printStackTrace();
  }
 }
}

3、在D盘准备一份test.pdf文件

4、运行以上代码