pdf 文本转换为 java 字符串

来源：互联网发布：舞蹈软件下载编辑：程序博客网时间：2024/04/24 10:19

txt,rtf,rtfd->pdf，mac下面有个非常好用的工具，TextEditor，简洁实用!

pdf->txt，如下(依赖两个jar 包：pdfbox-1.6.0.jar、fontbox-1.6.0.jar)：

[java] view plaincopy
package org.bruce.toolkit.experiments;  
  
import java.io.ByteArrayOutputStream;  
import java.io.File;  
import java.io.OutputStreamWriter;  
  
import org.apache.pdfbox.pdmodel.PDDocument;  
import org.apache.pdfbox.util.PDFTextStripper;  
  
/** 
 * @author Bruce Yang 
 * 将 pdf 文件中的字符解析为字符串中的字符~ 
 */  
public class Pdf2Text {  
  
    /** 
     * @param args 
     * @throws Exception 
     */  
    public static void main(String[] args) throws Exception {  
//      System.out.println(parsePDF("/Users/user/Desktop/QT教程.pdf"));  
        System.out.println(parsePDF("/Users/user/Novels/pdf/《盗墓笔记》第一季：.第二部.怒海潜沙.pdf"));  
    }  
  
    /** 
     * @param filePath 
     * @return 
     * @throws Exception 
     */  
    public static String parsePDF(String filePath) throws Exception {  
        File file = new File(filePath);  
        String context = "";  
        ByteArrayOutputStream out = new ByteArrayOutputStream();  
        OutputStreamWriter writer = new OutputStreamWriter(out);  
        PDDocument pdfdocument = null;  
  
        pdfdocument = PDDocument.load(file);  
        PDFTextStripper stripper = new PDFTextStripper();  
        stripper.writeText(pdfdocument, writer);  
        byte[] contents = out.toByteArray();  
        System.out.println(contents.length);  
        context = new String(contents);  
  
        writer.close();  
        if (pdfdocument != null) {  
            pdfdocument.close();  
        }  
        return context;  
    }  
}  