如何在Groovy下导出PDF的文本内容

其实很多软件都可以把PDF导出成文本，甚至很多支持批量操作，这里不赘述。本文的内容是如何在​​Java​​环境下用代码来完成这个功能。

用到的api是apache的pdfbox：​​官网下载页面​​

例程：

[java] ​​​​

1. import org.apache.pdfbox.util.*
2. import org.apache.pdfbox.pdmodel.*
3. def file = .... // 在这一行搞定你的PDF文件的File对象
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

这段代码逐页的解析PDF文件，当然你不必要这样做，一下子导出全文也可以，不过飞叔我是保守主义者……

注意，有些PDF具备安全限制，这时你需要下载 bcprov-ext 的文件，加上这个 jar 后就可以读了。

××××××××××××××