如何在Groovy下导出PDF的文本内容

其实很多软件都可以把PDF导出成文本，甚至很多支持批量操作，这里不赘述。本文的内容是如何在Java环境下用代码来完成这个功能。

用到的api是apache的pdfbox：官网下载页面

例程：

import org.apache.pdfbox.util.*
import org.apache.pdfbox.pdmodel.*

def file = .... // 在这一行搞定你的PDF文件的File对象
def text = new StringBuilder()
def pdf
def stripper = new PDFTextStripper()
try {
    pdf = PDDocument.load(file)
    def pages = pdf.numberOfPages
    (1..pages).each { page ->
        stripper.startPage = page
        stripper.endPage = page
        text << stripper.getText(pdf)
    }
} catch(e) {
    // Whatever you want...
} finally {
    pdf?.close()        
}

println text

这段代码逐页的解析PDF文件，当然你不必要这样做，一下子导出全文也可以，不过飞叔我是保守主义者……

注意，有些PDF具备安全限制，这时你需要到这里下载 bcprov-ext 的文件，加上这个 jar 后就可以读了。

××××××××××××××

吐槽：我怎么也没有想明白为神马AdobeReader的文本导出速度如蜗牛似乌龟，好歹他们也是把握着标准的人呀……