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]
- import org.apache.pdfbox.util.*
- import org.apache.pdfbox.pdmodel.*
- def file = .... // 在这一行搞定你的PDF文件的File对象
- def text = new StringBuilder()
- def pdf
- def stripper = new PDFTextStripper()
- try {
- pdf = PDDocument.load(file)
- def pages = pdf.numberOfPages
- (1..pages).each { page ->
- stripper.startPage = page
- stripper.endPage = page
- text << stripper.getText(pdf)
- }
- } catch(e) {
- // Whatever you want...
- } finally {
- pdf?.close()
- }
- 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。
××××××××××××××