在eclipse中读取PDF格式文本信息

最常见的一种PDF文本抽取工具就是PDFBox了

public class PdfParser {

         /**
          * PDF全称Portable Document Format，是Adobe公司开发的电子文件格式。
          * 这种文件格式与操作系统平台无关，可以在Windows、Unix或Mac OS等操作系统上通用。
           PDF文件格式将文字、字型、格式、颜色及独立于设备和分辨率的图形图像等封装在
           一个文件中。如果要抽取其中的文本信息，需要根据它的文件格式来进行解析。幸好目前已经有不少工具能帮助我们做这些事情。

          *PDFBox提供的API，从一个PDF文件中提取出文本信息。

          * @param args
          * @throws Exception
          */
  // TODO 自动生成方法存根


      public   static   void   main(String[]   args)   throws   Exception{ 
       //读出路径
       FileInputStream   fis   =   new   FileInputStream("F:\\Working\\船舶工业标准体系(2012年版).pdf"); 
           //读到哪去
       BufferedWriter writer = new BufferedWriter(new FileWriter("F:\\Working\\pdf_change.txt"));
           PDFParser   p   =   new   PDFParser(fis); 
           p.parse();         
           PDFTextStripper   ts   =   new   PDFTextStripper();         
           String   s   =   ts.getText(p.getPDDocument()); 
           writer.write(s);
           System.out.println(s); 
           fis.close(); 
           writer.close();
         
  }
}