java读取pdf文件内容

         在java中要读取pdf文件内容，我们可以借助第三方软件实现。常用的是xpdf，本文就简单介绍在linux下如何安装xpdf，及在java中如何利用xpdf读取pdf文件内容。
一.安装xpdf

       在fc系列下，不用安装，可以直接yum，但是笔者建议还是下载安装的好，因为笔者曾经碰到过这样的问题，客户服务器上的xpdf是yum安装的，有一些特殊的pdf文件就无法预览，但是将yum安装的xpdf卸载，然后下载xpdf安装程序，再重新安装后，就可以了。
1.下载
ok，我们需要下载的xpdf安装包主要有三个：

主程序：
简体中文支持：
繁体中文支持：

2.安装部署
(1)进入下载目录，将主程序解压至/usr，也可以是其他地方，根据个人情况而定。

#tar zvfx xpdf-3.01pl2-linux.tar.gz -C /usr
#cd usr

然后将其重命名，这样看起来简单点

mv xpdf-3.01pl2-linux/ xpdf

(2)建立中文支持。回到下载目录，依次执行：

#tar zvfx xpdf-chinese-simplified.tar.gz -C /usr/xpdf
#mv  /usr/xpdf/xpdf-chinese-simplified /usr/xpdf/chinese-simplified
#tar zvfx xpdf-chinese-traditional.tar.gz -C /usr/xpdf
#mv  /usr/xpdf/xpdf-chinese-traditional /usr/xpdf/chinese-traditional

(3)配置环境

#vi /etc/bashrc

增加如下内容
export PATH=/usr/xpdf/:$PATH
确保重启机器后，在控制台输入xpdf不会提示找不到命令或文件即可。
(4)资源配置

#cd /usr/xpdf
#cp sample-xpdfrc xpdfrc
#vi xpdfrc

*在文件开始处增加如下内容(将/usr/xpdf替换为xpdf的实际路径)*

#----- begin Chinese Simplified support package (2004-jul-27)
cidToUnicode Adobe-GB1 "/usr/xpdf/chinese-simplified/Adobe-GB1.cidToUnicode"
unicodeMap         ISO-2022-CN "/usr/xpdf/chinese-simplified/ISO-2022-CN.unicodeMap"
unicodeMap         EUC-CN "/usr/xpdf/chinese-simplified/EUC-CN.unicodeMap"
unicodeMap         GBK "/usr/xpdf/chinese-simplified/GBK.unicodeMap"
cMapDir Adobe-GB1 "/usr/xpdf/chinese-simplified/CMap"
toUnicodeDir "/usr/xpdf/chinese-simplified/CMap"
#displayCIDFontTT Adobe-GB1 /usr/..../gkai00mp.ttf
#----- end Chinese Simplified support package
#----- begin Chinese Traditional support package (2004-jul-27)
cidToUnicode Adobe-CNS1 "/usr/xpdf/chinese-traditional/Adobe-CNS1.cidToUnicode"
unicodeMap Big5 "/usr/xpdf/chinese-traditional/Big5.unicodeMap"
unicodeMap Big5ascii "/usr/xpdf/chinese-traditional/Big5ascii.unicodeMap"
cMapDir Adobe-CNS1 "/usr/xpdf/chinese-traditional/CMap"
toUnicodeDir "/usr/xpdf/chinese-traditional/CMap"
#displayCIDFontTT Adobe-CNS1 /usr/..../bkai00mp.ttf
#----- end Chinese Traditional support package

然后再执行：

#cp xpdfrc /usr/local/etc/

好了，到这里我们也就安装完成了。下面介绍如何利用xpdf读取pdf文件的内容

二.利用xpdf读取pdf文件的内容

方法很简单，利用著名的Runtime.getRuntime()即可，如下：

    /** *//**
     * @param filePath  pdf文件路径
     * @return
     */
    public String getPdfContent(String filePath)...{
        String excute="pdftotext";

        String[] cmd=new String[]...{excute, "-enc", "UTF-8", "-q", filePath,"-"};
        Process p=null;
        try ...{
            p=Runtime.getRuntime().exec(cmd);
        } catch (IOException e) ...{
            e.printStackTrace();
        }

        BufferedInputStream bis=new BufferedInputStream(p.getInputStream());

        InputStreamReader reader=null;

        try ...{
            reader=new InputStreamReader(bis,"UTF-8");
        } catch (UnsupportedEncodingException e1) ...{
            e1.printStackTrace();
        }

        StringBuffer sb=new StringBuffer();

        try ...{
            BufferedReader br = new BufferedReader(reader);
            String line = br.readLine();            
            sb = new StringBuffer();
            while (line != null) ...{
                sb.append(line);
                sb.append(" ");
                line = br.readLine();
            }
        } catch (Exception e) ...{
            e.printStackTrace();
        }
        
        return sb.toString();
    }