读取pdf中的内容

/**

*使用前先备好   PDFBox-0.7.2-log4j.jar

*log4j-1.2.15.jar   两个包

*/

 

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

**
 * 将pdf中的内容复制到txt中
 * @author DanielCooger
 * <a href="mailto:tangjunfeng52099@gmail.com">daniel</a>
 */

public class Pdf {

// 内存中存储的PDF Document
 private PDDocument document = null;
 // 是否排序
 private boolean sort = false;
 // 开始提取页数
 private int startPage = 1;
 // 结束提取页数
 private int endPage = Integer.MAX_VALUE;
 
 /**
  *根据输入的源文件路径得到pdf文件中的内容
  *file 参数为源文件pdf路径
  */
 public String readFdf(String file) throws Exception{
  // 注意参数已不是以前版本中的URL.而是File。
  document = PDDocument.load(file);
  // 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getText提取pdf中的文本
  return stripper.getText(document);
 }

}