如何在Groovy下導出PDF的文本内容

其實很多軟體都可以把PDF導出成文本，甚至很多支援批量操作，這裡不贅述。本文的内容是如何在​​Java​​環境下用代碼來完成這個功能。

用到的api是apache的pdfbox：​​官網下載下傳頁面​​

例程：

[java] ​​​​

1. import org.apache.pdfbox.util.*
2. import org.apache.pdfbox.pdmodel.*
3. def file = .... // 在這一行搞定你的PDF檔案的File對象
4. def text = new StringBuilder()
5. def pdf
6. def stripper = new PDFTextStripper()
7. try {
8. pdf = PDDocument.load(file)
9. def pages = pdf.numberOfPages
10. (1..pages).each { page ->
11. stripper.startPage = page
12. stripper.endPage = page
13. text << stripper.getText(pdf)
14. }
15. } catch(e) {
16. // Whatever you want...
17. } finally {
18. pdf?.close()
19. }
20. println text

這段代碼逐頁的解析PDF檔案，當然你不必要這樣做，一下子導出全文也可以，不過飛叔我是保守主義者……

注意，有些PDF具備安全限制，這時你需要下載下傳 bcprov-ext 的檔案，加上這個 jar 後就可以讀了。

××××××××××××××