因为在apache官网上下载PDFBOX1.2jar包时,数据文件有丢失,未成功下载。所以用旧版本PDFBox-0.7.3的。
下载PDFBox-0.7.3后,可以找到需要的两个jar包,在不同的文件夹里。
1、准备两个jar包 PDFBox-0.7.3.jar,FontBox-0.1.0-dev.jar
2、
import org.pdfbox.pdmodel.PDDocument;
import org.pdfbox.pdfparser.PDFParser;
import java.io.*;
import org.pdfbox.util.PDFTextStripper;
import java.util.Date;
public class PdfExtracter {
public PdfExtracter() {
}
public String GetTextFromPdf(String filename) throws Exception {
String temp = null;
PDDocument pdfdocument = null;
FileInputStream is = new FileInputStream(filename);
PDFParser parser = new PDFParser(is);
parser.parse();
pdfdocument = parser.getPDDocument();
ByteArrayOutputStream out = new ByteArrayOutputStream();
OutputStreamWriter writer = new OutputStreamWriter(out);
PDFTextStripper stripper = new PDFTextStripper();
stripper.writeText(pdfdocument.getDocument(), writer);
writer.close();
byte[] contents = out.toByteArray();
String ts = new String(contents);
System.out.println("the string length is" + contents.length + "\n");
return ts;
}
public static void main(String args[]) {
PdfExtracter pf = new PdfExtracter();
PDDocument pdfDocument = null;
try {
String ts = pf.GetTextFromPdf("d:\\test.pdf");
System.out.println(ts);
} catch (Exception e) {
e.printStackTrace();
}
}
}
3、在D盘准备一份test.pdf文件
4、运行以上代码