读取pdf需要pdfbox.jar及pdfBox.log4j.jar;
实现代码如下:
1 package com.hksoft.tools; 2 3 import java.io.File; 4 import java.io.FileOutputStream; 5 import java.io.OutputStreamWriter; 6 import java.io.Writer; 7 import java.net.MalformedURLException; 8 import java.net.URL; 9 10 import org.pdfbox.pdmodel.PDDocument; 11 import org.pdfbox.util.PDFTextStripper; 12 13 public class ReadPdf { 14 public void readFdf(String file) throws Exception { 15 // 是否排序 16 boolean sort = false; 17 // pdf文件名 18 String pdfFile = file; 19 // 输入文本文件名称 20 String textFile = null; 21 // 编码方式 22 String encoding = "UTF-8"; 23 // 开始提取页数 24 int startPage = 1; 25 // 结束提取页数 26 int endPage = Integer.MAX_VALUE; 27 // 文件输入流,生成文本文件 28 Writer output = null; 29 // 内存中存储的PDF Document 30 PDDocument document = null; 31 try { 32 try { 33 // 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 34 URL url = new URL(pdfFile); 35 //注意参数已不是以前版本中的URL.而是File。 36 document = PDDocument.load(pdfFile); 37 // 获取PDF的文件名 38 String fileName = url.getFile(); 39 // 以原来PDF的名称来命名新产生的txt文件 40 if (fileName.length() > 4) { 41 File outputFile = new File(fileName.substring(0, fileName 42 .length() - 4) 43 + ".txt"); 44 textFile = outputFile.getName(); 45 } 46 } catch (MalformedURLException e) { 47 // 如果作为URL装载得到异常则从文件系统装载 48 //注意参数已不是以前版本中的URL.而是File。 49 document = PDDocument.load(pdfFile); 50 if (pdfFile.length() > 4) { 51 textFile = pdfFile.substring(0, pdfFile.length() - 4) 52 + ".txt"; 53 } 54 } 55 // 文件输入流,写入文件倒textFile 56 output = new OutputStreamWriter(new FileOutputStream(textFile), 57 encoding); 58 // PDFTextStripper来提取文本 59 PDFTextStripper stripper = null; 60 stripper = new PDFTextStripper(); 61 // 设置是否排序 62 stripper.setSortByPosition(sort); 63 // 设置起始页 64 stripper.setStartPage(startPage); 65 // 设置结束页 66 stripper.setEndPage(endPage); 67 // 调用PDFTextStripper的writeText提取并输出文本 68 stripper.writeText(document, output); 69 } finally { 70 if (output != null) { 71 // 关闭输出流 72 output.close(); 73 } 74 if (document != null) { 75 // 关闭PDF Document 76 document.close(); 77 } 78 } 79 } 80 81 }
这是方法类,使用可以用一下方法
public String readPdf(){ ReadPdf pdfReader = new ReadPdf(); try { // 取得E盘下的SpringGuide.pdf的内容 pdfReader.readFdf("E:\\11.pdf"); // Runtime.getRuntime().exec("C:\\Program Files (x86)\\Adobe\\Reader 11.0\\Reader\\AcroRd32.exe E:\\11.pdf"); } catch (Exception e) { e.printStackTrace(); } return SUCCESS; }
这样在你制定的pdf文档目录中会生成 同名的11.txt文档