1.首先下载pdfbox-app-1.8.10.jar（下载地址：http://pdfbox.apache.org/download.html）

2.将pdfbox-app-1.8.10.jar加载到eclipse工程中

1.新建java工程：Flie->New->Java Project,如PdfToText工程，然后右键该工程BuildPath->Configure Bulid Path..，单击Libaries，点击Add External JARs,将刚才下载好的pdfbox-app-1.8.10.jar添加进去，点击Order and Export,将刚才的包打勾即可，最后点击ok。

2.新建一个PdfboxTest的类，以下就是源代码

import java.io.File;

import java.io.FileOutputStream;

import java.io.Writer;

import java.net.MalformedURLException;

import java.net.URL;

import java.io.OutputStreamWriter;

import org.apache.pdfbox.pdmodel.PDDocument;

import org.apache.pdfbox.util.PDFTextStripper;

//Author：Yiutto

//destination：主要用于pdf文件批处理转换为text文档

public class PdfboxTest {

    public void getText(String file) throws Exception {

        // 是否排序

        boolean sort = false;

        // pdf文件名 @1 “E:\\data\\Inputpdf\\”是pdf文件夹根目录，所有的pdf文件都放在该目录下（自己可以设置）

        String pdfFile = "E:\\data\\Inputpdf\\" + 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来加载文件，如果得到异常再从本地系统装载文件

                URL url = new URL(pdfFile);

                document = PDDocument.load(url);

                // 获取PDF的文件名

                // String fileName = url.getFile();

                // 以原来pdf名称来命名新产生的txt文件

                if (file.length() > 4) {

                    File outputFile = new File(file.substring(0,

                            file.length() - 4) + ".txt");

                    textFile = outputFile.getName();

                }

            } catch (MalformedURLException e) {

                // 如果作为URL装载得到异常则从文件系统装载

                document = PDDocument.load(pdfFile);

                if (file.length() > 4) {

                    textFile = file.substring(0, file.length() - 4) + ".txt";

                }

            }

            // 文件输入流，写入文件到textFile @2 “E:\\data\\Outputtxt\\”是text文档输出目录（自己可以设置）

            output = new OutputStreamWriter(new FileOutputStream(

                    "E:\\data\\Outputtxt\\" + 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);

        } finally {

            if (output != null) {

                // 关闭输出流

                output.close();

            }

            if (document != null) {

                // 关闭PDF Document

                document.close();

            }

        }

    }

    public static void main(String[] args) {

        // @3 “E:\\data\\Inputpdf\\”是pdf文件夹根目录，所有的pdf文件都放在该目录下（自己可以设置）

        File input = new File("E:\\data\\Inputpdf\\");

        if (input.isDirectory()) {

            String[] fileList = input.list();

            PdfboxTest test = new PdfboxTest();

            System.out.println(input.toString()+"\n");

            for (String file : fileList) {

                try {

                    System.out.println(" "+file

                            + " is prepared converting to text....");

                    test.getText(file);

                    System.out.println(" "+file + "is done.\n");

                } catch (Exception e) {

                    // TODO Auto-generated catch block

                    e.printStackTrace();

                }

            }

        }

    }

}

小篇要说：@1 “E:\\data\\Inputpdf\\”是pdf文件夹根目录，所有的pdf文件都放在该目录下（自己可以设置）

               @2 “E:\\data\\Outputtxt\\”是text文档输出目录（自己可以设置）

               @3 “E:\\data\\Inputpdf\\”是pdf文件夹根目录，所有的pdf文件都放在该目录下（自己可以设置）

               这3句注释行下的代码可以根据自己具体情况更改，已经介绍的这么详细了，希望大家点赞！！

3.实验的结果如下图：

如何用pdfbox-app-1.8.10.jar批处理将pdf文档转换成text文档的更多相关文章

  1. 如何用C#把Doc文档转换成rtf格式

    先在项目引用里添加上对Microsoft Word 9.0 object library的引用 using System; namespace DocConvert { class DoctoRtf ...

  2. **app后端设计(10)--数据增量更新(省流量)

    在新浪微博的app中,从别的页面进入主页,在没有网络的情况下,首页中的已经收到的微博还是能显示的,这显然是把相关的数据存储在app本地. 使用数据的app本地存储,能减少网络的流量,同时极大提高了用户 ...

  3. app后端设计(10)--数据增量更新

    在新浪微博的app中,从别的页面进入主页,在没有网络的情况下,首页中的已经收到的微博还是能显示的,这显然是把相关的数据存储在app本地. 使用数据的app本地存储,能减少网络的流量,同时极大提高了用户 ...

  4. 如何用一个app操作另外一个app.比如微信群控那样的

    如何实现一个app.控制另外的app,比如市面上群控微信的,是用测试工具的原理?还是什么模拟点击的原理? 如何用一个app操作另外一个app.比如微信群控那样的 >> android这个答 ...

  5. 通过pinyin4j.jar将(汉字拼音混合字符串)转化成字母首字母

    通过pinyin4j.jar将(汉字拼音混合字符串)转化成字母首字母 例如 我的中国心    ==> wdzgx 我的中国心ya ==> wdzgxya woai我的中国 ==> w ...

  6. hbuilder中的wap2app （将M站快速转换成App的开发框架）使用过程有关原生标题的关闭

    首先,我最近在做有关将M站快速转换成App的项目,在网上看了很多,最终结合同学的推荐,我选择了hbuilder,有关于hbuilder的下载还有具体使用方法,官网都有详细的说明,我就不介绍了,我重点介 ...

  7. Java文档注释导出帮助文档和项目的jar包导入和导出。

    1.1      文档注释导出帮助文档 在eclipse使用时,可以配合文档注释,导出对类的说明文档,从而供其他人阅读学习与使用. 通过使用文档注释,将类或者方法进行注释用@简单标注基本信息.如@au ...

  8. 将jar文件转换成exe可执行文件[转]

    将jar文件转换成exe可执行文件: exe文件使用方便,而且还可以提高源码及资源的安全性,但同时也失去了java的初衷--跨平台性. 如果你坚持要转换成exe文件,请按以下方式进行: 利用exe4j ...

  9. spring boot将jar包转换成war包发布

    spring boot将jar包转换成war包发布步骤 将<packaging>jar</packaging>修改为<packaging>war</packa ...

随机推荐

  1. DirectDraw打造极速图形引擎(Alpha混合)

    显然DirectDraw是Windows下写2D图形程序的最好选择,虽然Direct3D也可以写,但是没DirectDraw简单方便,特别对于初学者,一来就接触那么多函数和参数总不是件愉快的事,所以我 ...

  2. 配置server.xml后，启动tomcat 失败（Unable to start cluster）及解决方法

    在配置负载均衡环境过程中修改server.xml  后重启tomcat报错,报错信息如下 [root@Alice bin]# ./catalina.sh runUsing CATALINA_BASE: ...

  3. Apache实现Web Server负载均衡

    修改服务器A上apache的http.conf文件: 首先,加载相应的代理模块,去掉以下模块前面的#号: LoadModule proxy_module modules/mod_proxy.soLoa ...

  4. silverlight水印

    1.自定义类 using System; using System.Net; using System.Windows; using System.Windows.Controls; using Sy ...

  5. js如何将纯数字字符串转换为long型

    1.js如何将纯数字字符串转换为long型? js 中 int的存储位数?最大十进制数表示是多少? 精度http://www.jb51.net/article/59808.htm 整数(不使用小数点或 ...

  6. 开机一会，出现长时间闪屏，并且跳出SendRpt error

    通过谷歌,发现任务管理器中的Report sending utility 是属于TortoiseSVN 的,所以卸载svn ,然后重启就ok了

  7. 【转载】10分钟学会理解和解决MySQL乱码问题

    原文地址:http://cenalulu.github.io/mysql/mysql-mojibake/ 原文作者:Junyi Lu,卢钧轶 / cenalulu / Luke 查看原文.

  8. python二叉树递归算法之后序遍历，前序遍历，中序遍历

    #!/usr/bin/env python # -*- coding: utf-8 -*- # @Date : 2016-11-18 08:53:45 # @Author : why_not_try ...

  9. 分享O'Reilly最新C语言指针数据

    1.推荐书名 Understanding.and.Using.C.Pointers.pdf 2. 本书目录 Table of Content Chapter 1. Introduction Chapt ...

  10. 一个朋友js图表开发遇到的问题 解决思路c和js

    引言            不求知道一切, 只求发现一件 -- 乔治·西蒙·欧姆 附注:那些存在于梦幻中的事迹,那些儿时梦中的人物,每每看起,都觉得 .哎 .... 岁月 ... 一直在努力 ...  ...