如何用pdfbox-app-1.8.10.jar批處理將pdf文檔轉換成text文檔

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

2.將pdfbox-app-1.8.10.jar加載到eclipse工程中

1.新建java工程：Flie->New->Java Project,如PdfToText工程，然后右鍵該工程BuildPath->Configure Bulid Path..，單擊Libaries，點擊Add External JARs,將剛才下載好的pdfbox-app-1.8.10.jar添加進去，點擊Order and Export,將剛才的包打勾即可，最后點擊ok。

2.新建一個PdfboxTest的類，以下就是源代碼

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：主要用於pdf文件批處理轉換為text文檔

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文件夾根目錄，所有的pdf文件都放在該目錄下（自己可以設置）
        String pdfFile = "E:\\data\\Inputpdf\\" + file;
        // 輸入文本文件名稱
        String textFile = null;
        // 編碼方式
        String encoding = "UTF-8";
        // 開始提取頁數
        int startPage = 1;
        // 結束提取頁數
        int endPage = Integer.MAX_VALUE;
        // 文件輸入流，生成文本文件
        Writer output = null;
        // 內存中存儲的PDF Document
        PDDocument document = null;

        try {
            try {
                // 首先當作一個URL來加載文件，如果得到異常再從本地系統裝載文件
                URL url = new URL(pdfFile);
                document = PDDocument.load(url);
                // 獲取PDF的文件名
                // String fileName = url.getFile();

                // 以原來pdf名稱來命名新產生的txt文件
                if (file.length() > 4) {
                    File outputFile = new File(file.substring(0,
                            file.length() - 4) + ".txt");
                    textFile = outputFile.getName();
                }
            } catch (MalformedURLException e) {
                // 如果作為URL裝載得到異常則從文件系統裝載
                document = PDDocument.load(pdfFile);
                if (file.length() > 4) {
                    textFile = file.substring(0, file.length() - 4) + ".txt";
                }
            }
            // 文件輸入流，寫入文件到textFile @2 “E:\\data\\Outputtxt\\”是text文檔輸出目錄（自己可以設置）
            output = new OutputStreamWriter(new FileOutputStream(
                    "E:\\data\\Outputtxt\\" + textFile), encoding);
            // PDFTextStripper來提取文本
            PDFTextStripper stripper = null;
            stripper = new PDFTextStripper();
            // 設置是否排序
            stripper.setSortByPosition(sort);
            // 設置起始頁
            stripper.setStartPage(startPage);
            // 設置結束頁
            stripper.setEndPage(endPage);
            // 調用PDFTextStripper的writeText提取並輸出文本
            stripper.writeText(document, output);
        } finally {
            if (output != null) {
                // 關閉輸出流
                output.close();
            }
            if (document != null) {
                // 關閉PDF Document
                document.close();
            }
        }

    }

    public static void main(String[] args) {
        // @3 “E:\\data\\Inputpdf\\”是pdf文件夾根目錄，所有的pdf文件都放在該目錄下（自己可以設置）
        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();
                }
            }

        }
    }

}

 

小篇要說：@1 “E:\\data\\Inputpdf\\”是pdf文件夾根目錄，所有的pdf文件都放在該目錄下（自己可以設置）

               @2 “E:\\data\\Outputtxt\\”是text文檔輸出目錄（自己可以設置）

               @3 “E:\\data\\Inputpdf\\”是pdf文件夾根目錄，所有的pdf文件都放在該目錄下（自己可以設置）

               這3句注釋行下的代碼可以根據自己具體情況更改，已經介紹的這么詳細了，希望大家點贊！！

3.實驗的結果如下圖：