java从pdf中提取文本

一（单文件转换）：下载pdfbox包，百度搜pdfbox.（fontbox-1.8.16.jar和pdfbox-app-1.8.16.jar）

package pdf;

import java.io.FileInputStream;
import java.io.FileOutputStream;
import java.io.OutputStreamWriter;

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

/**
 * 
 * @author 大汉
 *
 */
public class PdfToTxt {

    public PdfToTxt() {
        super();
        // TODO Auto-generated constructor stub
    }

    /**
     * 
     * @param filename
     * @return
     * @throws Exception
     */
    public String GetTextFromPdf(String filename) throws Exception {
        
        String content = null;    
        PDDocument pdfdocument = null;
        
        FileInputStream is = new FileInputStream(filename);
        PDFParser parser = new PDFParser(is);
        
        parser.parse();        
        pdfdocument = parser.getPDDocument();     
        PDFTextStripper stripper = new PDFTextStripper();
         content = stripper.getText(pdfdocument);
         return content;    
         } 
    
    /**
     * 
     * @param args
     */
    public static void main(String[] args) {
        PdfToTxt pdfToTxt = new PdfToTxt();
        try {
            //获取pdf文件路径
            String pdf = pdfToTxt.GetTextFromPdf("E:/2019a.pdf");
            //输出到txt文件
            OutputStreamWriter osw = new OutputStreamWriter(new FileOutputStream("E:/aa.txt"));
            osw.write(pdf);
            osw.flush();
            osw.close();
        }catch (Exception e){
            e.printStackTrace();
        }
        
    }
        
}

还可以这样：（第二种方法）

package pdf;

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;

/**
 * 批量转换
 * @author 大汉
 *
 */
public class BatchPdfToTxt {

    public BatchPdfToTxt() {
        super();
        // TODO Auto-generated constructor stub
    }

    public static void readPdf(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 {
            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 ="E:/"+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);
            
            System.out.println(textFile + " 输出成功！");
        } finally {
            if (output != null) {
                // 关闭输出流
                output.close();
            }
            if (document != null) {
                // 关闭PDF Document
                document.close();
            }
        }
    }
    /**
     * 
     * @param args
     */
    public static void main(String[] args) {
        try {
            //注意此处的绝对地址格式，最好要用这一种。
            readPdf("E:/用户行为排序算法.pdf");
        } catch (Exception e) {
            e.printStackTrace();
        }
    }
}

效果图：

總結：唯一的缺點是不能顯示圖片，請看下一篇：----------------------->>>>>>>>PDF转WORD.