PDF转换成Txt

　　我的弱智想法是所有能转换成PDF的文件，就都用PDF预览，上传成功后开启一个线程把文档转换成PDF，PDF再转换成txt。

目的是把txt插入索引进行全文检索。

 

 

 

调用的时候

string filePath=“文件的物理路径”;

string wordToTxtPath = filePath.Replace(".pdf", ".txt");
PdfToTxt.pdf2txt(filePath, wordToTxtPath);     你想保存的位置，路径最后的文件名要是txt

 

PdfToTxt.cs

 

public static void pdf2txt(string filePath,string savePath)
{
string file = filePath;
string save = savePath;

FileInfo pdffile=new FileInfo(filePath);
FileInfo txtfile = new FileInfo(savePath);

PDDocument doc = PDDocument.load(pdffile.FullName);

PDFTextStripper pdfStripper = new PDFTextStripper();

string text = pdfStripper.getText(doc);

StreamWriter swPdfChange = new StreamWriter(txtfile.FullName, false, Encoding.GetEncoding("UTF-8"));

swPdfChange.Write(text);

swPdfChange.Close();

}

 

引用插件

using org.pdfbox.pdmodel;
using org.pdfbox.util;

 

 下载：   访问网址http://sourceforge.net/projects/pdfbox/

二、引用动态链接库

    解压缩下载的PDFBox，找到其中的Bin目录，需要在项目中添加引用的dll文件有：
    IKVM.GNU.Classpath.dll
    PDFBox-0.7.3.dll
    FontBox-0.1.0-dev.dll
    IKVM.Runtime.dll

将以上4个文件引用到项目中，在文件中需要引入以下2个命名空间：
    using org.pdfbox.pdmodel;
    using org.pdfbox.util;

 

 忽然发现我好想是看了大神的博客：http://blog.csdn.net/LCL_data/article/details/6043898