（10）XPDF读取文本

最新推荐文章于 2023-09-08 15:19:04 发布

Fighting_No1

最新推荐文章于 2023-09-08 15:19:04 发布

阅读量1.8k

点赞数

分类专栏：文件读写文章标签： pdf XPDF java 读取pdf文本

本文链接：https://blog.csdn.net/Fighting_No1/article/details/51038990

版权

XPDF是一个软件，我们可以通过XPDF抽取PDF中的文本。然而要利用XPDF提取中文文本，需要对其进行一些修改和配置。
1、下载XPDF，下载地址： ftp://ftp.foolabs.com/pub/xpdf/xpdf-3.02pl4-win32.zip
2、下载字体Gbsn00lp.ttf和gkai00mp.ttf，下载地址：
ftp://ftp.foolabs.com/pub/xpdf/xpdf-chinese-simplified.tar.gz
3、解压XPDF和字体，将字体放到xpdf/chinese-simplified/CMap目录下
4、为了启用中文简体语言包，您必须将xpdf目录下的sample-xpdfrc文件另存为xpdfrc文件。
注意：此文件为配置文件，而且名称必须是xpdfrc。如果是别的名字，即使调用pdftotext.exe时，传入”-cfg xpdfrc2”来告诉xpdf配置文件的名字，好像pdftotext.exe也并没有使用这个配置文件。所以为了减少误解，请您将配置文件直接命名为xpdfrc。
5、修改add-to-xpdfrc文件中的地址，将路径该为本机安装路径

#----- begin Chinese Simplified support package (2004-jul-27)  
cidToUnicode Adobe-GB1 E:/Study/Flex/xpdf-chinese-simplified/xpdf/chinese-simplified/Adobe-GB1.cidToUnicode  
unicodeMap ISO-2022-CN E:/Study/Flex/xpdf-chinese-simplified/xpdf/chinese-simplified/ISO-2022-CN.unicodeMap  
unicodeMap EUC-CN  E:/Study/Flex/xpdf-chinese-simplified/xpdf/chinese-simplified/EUC-CN.unicodeMap  
unicodeMap GBK  E:/Study/Flex/xpdf-chinese-simplified/xpdf/chinese-simplified/GBK.unicodeMap  
cMapDir  Adobe-GB1 E:/Study/Flex/xpdf-chinese-simplified/xpdf/chinese-simplified/CMap  
toUnicodeDir   E:/Study/Flex/xpdf-chinese-simplified/xpdf/chinese-simplified/CMap  
displayCIDFontTT    Adobe-GB1   E:/Study/Flex/xpdf-chinese-simplified/xpdf/chinese-