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……