使用Apache PDFBox转换PDF文件为Text文件

最新推荐文章于 2024-09-30 15:53:59 发布

原创最新推荐文章于 2024-09-30 15:53:59 发布 · 850 阅读

0 ·

CC 4.0 BY-SA版权

文章标签：

#apache #exception #encoding #string #output #url

Java相关专栏收录该内容

392 篇文章

订阅专栏

本文介绍了一个使用Java编写的简单工具，该工具可以将PDF文件转换为纯文本文件。通过利用Apache PDFBox库的功能，此程序支持指定编码方式及是否按位置排序文本内容。

代码如下：

package com.test; import java.io.File; import java.io.FileOutputStream; import java.io.OutputStreamWriter; import java.io.Writer; import java.net.MalformedURLException; import java.net.URL; import org.apache.pdfbox.pdmodel.PDDocument; import org.apache.pdfbox.util.PDFTextStripper; public class Test { public static void main(String[] args) throws Exception { createTextFile("C://123.pdf", "C://123.txt", "UTF-8", false); } /** * @param pdfFile PDF文件 * @param textFile Text文件 * @param encoding 编码方式 * @param sort 是否排序 * @throws Exception */ public static void createTextFile(String pdfFile, String textFile, String encoding, boolean sort) throws Exception { // 开始提取页数 int startPage = 1; // 结束提取页数 int endPage = Integer.MAX_VALUE; // 文件输入流，生成文本文件 Writer output = null; // 内存中存储的PDF Document PDDocument document = null; try { try { // 首先当作一个URL来装载文件，如果得到异常再从本地文件系统//去装载文件 URL url = new URL(pdfFile); document = PDDocument.load(url); // 获取PDF的文件名 String fileName = url.getFile(); // 以原来PDF的名称来命名新产生的txt文件 if (fileName.length() > 4) { File outputFile = new File(fileName.substring(0, fileName.length() - 4) + ".txt"); textFile = outputFile.getName(); } } catch (MalformedURLException e) { // 如果作为URL装载得到异常则从文件系统装载 document = PDDocument.load(pdfFile); } // 文件输入流，写入文件倒textFile output = new OutputStreamWriter(new FileOutputStream(textFile), encoding); // PDFTextStripper来提取文本 PDFTextStripper stripper = null; stripper = new PDFTextStripper(); // 设置是否排序 stripper.setSortByPosition(sort); // 设置起始页 stripper.setStartPage(startPage); // 设置结束页 stripper.setEndPage(endPage); // 调用PDFTextStripper的writeText提取并输出文本 stripper.writeText(document, output); } finally { if (output != null) { // 关闭输出流 output.close(); } if (document != null) { // 关闭PDF Document document.close(); } } } }

参考资料：http://book.youkuaiyun.com/bookfiles/312/10031212843.shtml

另一个Java支持的PDF包：http://www.foolabs.com/xpdf/download.html