pdf 文本转换为 java 字符串

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;  

    }  

}