package com.yk.test;
import java.io.FileOutputStream;
import java.io.OutputStreamWriter;
import java.io.Writer;
import org.pdfbox.pdmodel.PDDocument;
import org.pdfbox.util.PDFTextStripper;
/**
* 采用PDFBOX读取PDF文件,并进行格式转换
* @author Administrator
*
*/
public class PDFBoxTest {
public void getText(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{
document = PDDocument.load(pdfFile);
if(pdfFile.length()>4){
textFile = pdfFile.substring(0, pdfFile.length()-4) + ".txt";
}
// 文件输入流,写入文件到textFile
output = new OutputStreamWriter(new FileOutputStream(textFile), encoding);
// 采用PDFTextStripper提取文本
PDFTextStripper 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);
stripper.writeText(document, output);
}catch(Exception e){
e.printStackTrace();
}finally{
if(output != null){
output.close();
}
if(document != null){
document.close();
}
}
}
public static void main(String[] args) {
try{
new PDFBoxTest().getText("D:\\Java线程.pdf");
}catch(Exception e){
e.printStackTrace();
}
}
}
主要是以下jar包
bcmail-jdk14-132.jar
bcprov-jdk14-132.jar
checkstyle-all-4.2.jar
FontBox-0.1.0-dev.jar
PDFBox-0.7.3.jar
相关jar包可以去http://sourceforge.net/projects/pdfbox/postdownload进行下载,我下载的版本是0.7.3