PDFParser实例

/** * @Title: ParserPDF.java * @Package * @Description: TODO() * @author 柯伟 * @date 2011-8-9 上午10:43:05 * @version v1.1 */ /** @projectName 项目名称:PdfParser @crateTime 创建时间: 2011-8-9 上午10:43:05 @version 版本：1.0 @autor 作者：柯伟 联系方式：E-main:[email protected] @projectDeclaration 项目声明:public class ParserPDF{ } @ClassDeclaration 类说明: */ import java.io.File; import java.io.FileInputStream; import java.io.FileOutputStream; import java.io.InputStream; import java.io.OutputStreamWriter; import java.io.Writer; import java.net.MalformedURLException; import java.net.URL; import org.pdfbox.pdfparser.PDFParser; import org.pdfbox.pdmodel.PDDocument; import org.pdfbox.util.PDFTextStripper; public class ParserPDF { public ParserPDF(){ } public void readFdf(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 = "GB2312"; /** * 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 = 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 System.out.print(stripper.getText(document)); stripper.setEndPage(endPage); // 调用PDFTextStripper的writeText提取并输出文本 stripper.writeText(document, output); } finally { if (output != null) { // 关闭输出流 output.close(); } if (document != null) { // 关闭PDF Document document.close(); } } } public void get(String pdfPath) throws Exception { InputStream input = null; File pdfFile = new File( pdfPath ); PDDocument document = null; try { input = new FileInputStream( pdfFile ); //加载 pdf 文档 PDFParser parser = new PDFParser(input); parser.parse(); document = parser.getPDDocument(); //获取内容信息 PDFTextStripper pts = new PDFTextStripper(); String content = ""; try { content = pts.getText( document ); } catch(Exception e) { throw e; } System.out.println(content); } catch(Exception e) { throw e; } finally { if( null != input ) input.close(); if( null != document ) document.close(); } } /** * @param args */ public static void main(String[] args) { ParserPDF pdfReader = new ParserPDF(); try { // 读取pdf文件 pdfReader.readFdf("d:\\2\\D.pdf"); } catch (Exception e) { e.printStackTrace(); } } }