读取pdf内容分页和全部

标签：except   iter   bst   osi   substr   cat   nts   存储   文本文件   

//读取pdf 全部内容
public static String topdffile(String pdffile){
    StringBuffer result = new StringBuffer();
    String str=null;
    FileInputStream is = null;
    PDDocument document = null;
    try {
        is = new FileInputStream(pdffile);
        PDFParser parser = new PDFParser(is);
        parser.parse();
        document = parser.getPDDocument();
        PDFTextStripper stripper = new PDFTextStripper();
        str=stripper.getText(document);
       // System.out.println("------"+str+"--------------");
    } catch (FileNotFoundException e) {

        e.printStackTrace();
    } catch (IOException e) {

        e.printStackTrace();
    } finally {
        if (is != null) {
            try {
                is.close();
            } catch (IOException e) {

                e.printStackTrace();
            }
        }
        if (document != null) {
            try {
                document.close();
            } catch (IOException e) {
                e.printStackTrace();
            }
        }
    }
    return str;
-----------------------------------------------------------
//分页查询保存到map里

// 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 =5;
        // 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;
        Map mpdf=new HashMap();
        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 = 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);



            for(int i=startPage;i<=document.getNumberOfPages();i++){
                stripper = new PDFTextStripper();
                stripper.setSortByPosition(sort);
                // 设置起始页
                stripper.setStartPage(i);
                // 设置结束页
                stripper.setEndPage(i);
                String textT=stripper.getText(document);
               // System.out.println("第" + i+"页");
               // System.out.println( "开始--------------------------------------------------------------------");
               // System.out.println( textT);
              //  System.out.println( "--------------------------------------------------------------------结束");
                mpdf.put(i,textT);
            }
             // System.out.println(mpdf.size());
            // 调用PDFTextStripper的writeText提取并输出文本
//            stripper.writeText(document, output);
//            System.out.println(stripper.getEndPage());
//            System.out.println( "*****="+stripper.getText(document));
//            System.out.println("*****22=" + stripper.getTextLineMatrix());
//            System.out.println("*****33=" + stripper.getTextMatrix());
//            System.out.println("*****44=" + stripper.getArticleStart());
//            System.out.println("*****55=" + stripper.getArticleEnd());

        } finally {
            if (output != null) {
                // 关闭输出流
                output.close();
            }
            if (document != null) {
                // 关闭PDF Document
                document.close();
            }
        }
        return mpdf; 返回map

读取pdf内容分页和全部

标签：except   iter   bst   osi   substr   cat   nts   存储   文本文件   

原文地址：http://www.cnblogs.com/tutu21ybz/p/6726711.html