xpdf提取中文PDF文档

最新推荐文章于 2020-01-15 09:18:19 发布

置顶 km_yangshenyan

最新推荐文章于 2020-01-15 09:18:19 发布

阅读量1.2k

点赞数

文章标签： eclipse c cmd 文档

本文链接：https://blog.csdn.net/km_yangshenyan/article/details/2061565

版权

实验环境：eclipse3.1
下载：xpdf-3.02pl2-win32.zip，xpdf-chinese-simplified.tar.gz
下载地址：http://www.foolabs.com/xpdf/
.解压pdf-3.02pl2-win32.zip到c盘，同时改名为xpdf
.解压xpdf-chinese-simplified.tar.gz到c:/xpdf下，同时改名为chinese
.在c:/xpdf下创建文件xpdfrc （在pdftotext.exe的同级目录下）
cidToUnicode    Adobe-GB1    c://xpdf//chinese//Adobe-GB1.cidToUnicode
unicodeMap    ISO-2022-CN    c://xpdf//chinese//ISO-2022-CN.unicodeMap
unicodeMap    EUC-CN        c://xpdf//chinese//EUC-CN.unicodeMap
unicodeMap    GBK        c://xpdf//chinese//GBK.unicodeMap
cMapDir        Adobe-GB1    c://xpdf//chinese//CMap
toUnicodeDir            c://xxpdf//chinese//CMap
fontDir                    C://WINDOWS//Fonts
displayCIDFontTT    Adobe-GB1    C://WINDOWS//Fonts//simhei.TTF
textEOL CR+LF
在设置路径的时候可以根据实际的环境进行设置
.在程序可以调用
Process p = Runtime.getRuntime().exec(cmd);
其中cmd是参照pdftotext.txt文件的说明进行设置