Chinaunix首页 | 论坛 | 博客
  • 博客访问: 1322814
  • 博文数量: 334
  • 博客积分: 10302
  • 博客等级: 上将
  • 技术积分: 2986
  • 用 户 组: 普通用户
  • 注册时间: 2006-01-12 10:17
文章分类

全部博文(334)

文章存档

2013年(1)

2012年(9)

2011年(4)

2010年(10)

2009年(24)

2008年(64)

2007年(72)

2006年(150)

我的朋友

分类: Java

2008-09-15 22:03:22

 
 
用Java简单的读取pdf文件中的数据:
第一步:下载PDFBox-0.7.2.jar。提供一个下载地址:解压后,把lib文件下的PDFBox-0.7.2.jar,PDFBox-0.7.2-log4j.jar放到你classpath路径下。(我把源码以及jar包都放到下面的附件里,方面你的使用。)
第二步:写个简单的读取pdf文件的程序。(PdfReader.java)
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.pdfbox.pdmodel.PDDocument;
import org.pdfbox.util.PDFTextStripper;
public class PdfReader {
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 = "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 = 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);
   } 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) {
   // TODO Auto-generated method stub
   PdfReader pdfReader = new PdfReader();
   try {
    // 取得E盘下的SpringGuide.pdf的内容
    pdfReader.readFdf("E:\\SpringGuide.pdf");
   } catch (Exception e) {
    e.printStackTrace();
   }
}
}
    这样就简单的完成了从pdf中读取数据了。在你的pdf文件所在的目录下生成一个同名的txt文件。
阅读(20310) | 评论(2) | 转发(0) |
给主人留下些什么吧!~~

chinaunix网友2009-09-27 00:19:44

因为原来有个项目里用,所以从网上其他地方找了一些资料,结果项目被取消,所以这些也没去试过,抱歉了!

chinaunix网友2009-09-25 10:59:42

用不了,要是能用的话,给我发个E-mail:baijiyuana@163.com