java从pdf中提取文本

一（单文件转换）：下载pdfbox包，百度搜pdfbox.（fontbox-1.8.16.jar和pdfbox-app-1.8.16.jar）

 package pdf;

 import java.io.FileInputStream;
 import java.io.FileOutputStream;
 import java.io.OutputStreamWriter;

 import org.apache.pdfbox.pdfparser.PDFParser;
 import org.apache.pdfbox.pdmodel.PDDocument;
 import org.apache.pdfbox.util.PDFTextStripper;

 /**
  *
  * @author 大汉
  *
  */
 public class PdfToTxt {

     public PdfToTxt() {
         super();
         // TODO Auto-generated constructor stub
     }

     /**
      *
      * @param filename
      * @return
      * @throws Exception
      */
     public String GetTextFromPdf(String filename) throws Exception {

         String content = null;
         PDDocument pdfdocument = null;

         FileInputStream is = new FileInputStream(filename);
         PDFParser parser = new PDFParser(is);

         parser.parse();
         pdfdocument = parser.getPDDocument();
         PDFTextStripper stripper = new PDFTextStripper();
          content = stripper.getText(pdfdocument);
          return content;
          } 

     /**
      *
      * @param args
      */
     public static void main(String[] args) {
         PdfToTxt pdfToTxt = new PdfToTxt();
         try {
             //获取pdf文件路径
             String pdf = pdfToTxt.GetTextFromPdf("E:/2019a.pdf");
             //输出到txt文件
             OutputStreamWriter osw = new OutputStreamWriter(new FileOutputStream("E:/aa.txt"));
             osw.write(pdf);
             osw.flush();
             osw.close();
         }catch (Exception e){
             e.printStackTrace();
         }

     }

 }

还可以这样：（第二种方法）

 package pdf;

 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.apache.pdfbox.pdmodel.PDDocument;
 import org.apache.pdfbox.util.PDFTextStripper;

 /**
  * 批量转换
  * @author 大汉
  *
  */
 public class BatchPdfToTxt {

     public BatchPdfToTxt() {
         super();
         // TODO Auto-generated constructor stub
     }

     public static void readPdf(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 ="E:/"+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);

             System.out.println(textFile + " 输出成功！");
         } 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) {
         try {
             //注意此处的绝对地址格式，最好要用这一种。
             readPdf("E:/用户行为排序算法.pdf");
         } catch (Exception e) {
             e.printStackTrace();
         }
     }
 }

效果图：

總結：唯一的缺點是不能顯示圖片，請看下一篇：----------------------->>>>>>>>PDF转WORD.