用Java代码将pdf格式文件批量转为txt文件

前言

     女朋友写论文需要用python进行文本分析（她说python无法用pdf文件进行分析，目前还没学python不清楚这是真的假的，这里先打个问号）。让我用Java写个小程序将pdf文件转为txt文件。

首先在CSDN上面参考了一个大哥的代码，主体部分都能实现，不过一次只能转一个文件，还需要输入文件名。女朋友让我转472个文件，改了一下代码，能实现批量转换的功能。

---

   为了方便以后需要的时候直接用，不用再写一遍，代码如下：（包也一起放进来了）。

import java.io.File;
import java.io.FileOutputStream;
import java.io.OutputStreamWriter;
import java.io.Writer;
import java.net.MalformedURLException;
import java.net.URL;

import org.apache.pdfbox.pdmodel.PDDocument;
import org.apache.pdfbox.util.PDFTextStripper;

public class PdfToTxt {

    public static void main(String[] args) {
        try {

           //这里放文件夹名
            String dir="D://IDEA//pdf//251-472";
            File file = new File(dir);
            //获取文件夹下的所有文件
            File[] files = file.listFiles();
             //循环转换为txt文件
             for(File item:files){
                 readPdf("D://IDEA//pdf//251-472//"+ item.getName() );
            }
        } catch (Exception e) {
            e.printStackTrace();
        }
    }

    /**
     * 传入一个.pdf文件
     * @param file
     * @throws Exception
     */
    public static void readPdf(String file) throws Exception {
        long time1;
        long time2;
        time1= System.currentTimeMillis();
        // 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 {
            try {
                // 首先当作一个URL来装载文件，如果得到异常再从本地文件系统//去装载文件
                URL url = new URL(pdfFile);
                //注意参数已不是以前版本中的URL.而是File。
                document = PDDocument.load(pdfFile);
                // 获取PDF的文件名
                String fileName = url.getFile();
                // 以原来PDF的名称来命名新产生的txt文件
                if (fileName.length() > 4) {
                    File outputFile = new File(fileName.substring(0, fileName.length() - 4)+ ".txt");
                    textFile ="F:/SJXLX/"+outputFile.getName();
                }
            } catch (MalformedURLException e) {
                // 如果作为URL装载得到异常则从文件系统装载
                //注意参数已不是以前版本中的URL.而是File。
                document = PDDocument.load(pdfFile);
                if (pdfFile.length() > 4) {
                    textFile = pdfFile.substring(0, pdfFile.length() - 4)+ ".txt";
                }
            }
            // 文件输入流，写入文件倒textFile
            output = new OutputStreamWriter(new FileOutputStream(textFile),encoding);
            // PDFTextStripper来提取文本
            PDFTextStripper stripper = null;
            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);
            // 调用PDFTextStripper的writeText提取并输出文本
            stripper.writeText(document, output);
            time2= System.currentTimeMillis();
            long time=time2-time1;
            System.out.println(textFile + " 输出成功！"+"  时长"+time/1000+"秒");
        } finally {
            if (output != null) {
                // 关闭输出流
                output.close();
            }
            if (document != null) {
                // 关闭PDF Document
                document.close();
            }
        }
    }
}