PDFBox下载及将pdf提取转换为txt文档

下载网址: http://sourceforge.net/projects/pdfbox/ 最新版本为0.7.3 从解压包中的external目录复制以下jar包: bcmail-jdk*.jar bcprov-jdk*.jar checkstyle-all-*.jar FontBox-*.jar lucene-core-*.jar 再从lib中复制PDFBox-*.jar 到项目lib中. 以下是一个例子: package ch7.pdfbox; 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.pdfbox.pdmodel.PDDocument; import org.pdfbox.util.PDFTextStripper; /**  * 将pdf提取转换为txt文档  *  * @author Administrator  *  */ public class PdfboxTest {  public static final String DEFAULT_ENCODING = "UTF-8";  // "ISO-8859-1";  // "ISO-8859-6";  // "US-ASCII";  // "UTF-8";  // "UTF-16";  // "UTF-16BE";  // "UTF-16LE";  public void geText(String file) throws Exception {   // 是否排序   boolean sort = false;   // pdf文件名   String pdfFile = file;   // 输入文本文件名称   String textFile = null;   // 编码方式   String encoding = "UTF-8";   // 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);     if (pdfFile.length() > 4) {      textFile = pdfFile.substring(0, pdfFile.length() - 4) + ".txt";     }    }    // 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();    }   }  }  public static void main(String[] args) {   PdfboxTest test = new PdfboxTest();   try {    test.geText("D://ride//Lucene.pdf"); // 转换为D://ride//Lucene.txt   } catch (Exception e) {    e.printStackTrace();   }  } }