java解析PDF文件,并获取到指定数据（升级版）

package getOtherByPDF;

import java.io.BufferedReader;

import java.io.File;

import java.io.FileInputStream;

import java.io.FileNotFoundException;

import java.io.FileReader;

import java.io.IOException;

import java.io.InputStream;

import java.io.InputStreamReader;

import java.math.BigDecimal;

import java.util.ArrayList;

import java.util.HashSet;

import java.util.Iterator;

import java.util.List;

import java.util.Map;

import java.util.Set;

import java.util.regex.Matcher;

import java.util.regex.Pattern;

import org.apache.pdfbox.pdfparser.PDFParser;

import org.apache.pdfbox.pdmodel.PDDocument;

import org.apache.pdfbox.util.PDFTextStripper;

import sun.applet.AppletIllegalArgumentException;

import sun.net.www.http.HttpClient;
/* 2017.11.24  ---》 2017.11.27更新内容
* 解析pdf文件中的编号
* */
public class getInfoFromPDF3 {
private static String result = null;  // 用来保存pdf文件中的信息
   private static FileInputStream is = null;  // 输入流
   private static PDDocument document = null;   
//获取pdf文件文件中全部信息

    public static String getAllInfoFromPDF(String pdfFilePath){  

        String result = null;  

        FileInputStream is = null;  

        PDDocument document = null;  

        try {  

            is = new FileInputStream(pdfFilePath);  

            PDFParser parser = new PDFParser(is);  

            parser.parse();  

            document = parser.getPDDocument();  

            PDFTextStripper stripper = new PDFTextStripper();  

            result = stripper.getText(document);  

        } 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 result;  

    }  

    public static void main(String[] args) throws IOException {

    /*  
* 通过递归得到某一路径下所有的目录及其PDF文件
*/
// 通过传入文件路径获取文件

    String code = null;
File file = new File("F:\\pdf文件解析");
// 把获取到的文件名保存在数组中
   File[] files = file.listFiles();
   for(File f:files){
    //--------------------------1.获取文件路径
    f.getAbsolutePath();
    System.out.println("文件路径:"+f.getAbsolutePath());
    //获取文件类型，即文件后缀名
    int start = f.getAbsolutePath().length()-3;
    int end  = f.getAbsolutePath().length();
    //得到文件的后缀名
    String pdf = f.getAbsolutePath().substring(start, end);
    //判断是否是pdf格式的文件
    if(pdf.equals("pdf") || pdf.equals("PDF")){
    // 是pdf格式的文件
    //得到全部pdf文件中的信息
    String str = getInfoFromPDF3.getAllInfoFromPDF(f.getAbsolutePath());
    //----------------------2.获取pdf文件中的编号

//    
String code = str.substring(str.indexOf("：")+1,str.indexOf("：")+27);
    //截取pdf文件中的编号
    code = str.substring(str.indexOf("编号：")+3,str.indexOf("：")+27);
    /*
    * 2017.11.27更新内容   
    * 取出文本中的若干个编号，并去除重复的
    * 
    * */

///////////////////2017.11.27更新内容/////////////////////////////////////////
    //获取到全部的编号
    Set set = new HashSet();
    Iterator<String> it = null;
    String regex = "\\d{26}";  
    Pattern pattern = Pattern.compile(regex);  
    Matcher matcher = pattern.matcher(str);  
    while (matcher.find()) { 
    set.add(matcher.group());
    it = set.iterator();
               //System.out.println(matcher.group());   
    }  
    while (it.hasNext()) {
    String getCode = it.next();
    System.out.println("编号为："+getCode);
    }

/////////////////////////////////////////////////////////////
    //----------------------3.获取pdf 文件中的套数(一份申请书和一份授权书为一套)
    int count=0,StringStart=0;
    while(str.indexOf("金融信用信息基础数据库个人信用信息采集授权书", StringStart)>=0 && StringStart<str.length()){
    //当字符串出现子串时，返回子字符串索引
    count++;
    StringStart=str.indexOf("金融信用信息基础数据库个人信用信息采集授权书", StringStart)+"金融信用信息基础数据库个人信用信息采集授权书".length();//得到新的start值。
    }
    System.out.println("共有--"+count+"--套");   
    System.out.println("---------------------------------------------------------------------");
    }
   }

    }

}