zoukankan      html  css  js  c++  java
  • java读取pdf文件内容

     java读取pdf文件内容

             在java中要读取pdf文件内容,我们可以借助第三方软件实现。常用的是xpdf,本文就简单介绍在linux下如何安装xpdf,及在java中如何利用xpdf读取pdf文件内容。
    一.安装xpdf
           在fc系列下,不用安装,可以直接yum,但是笔者建议还是下载安装的好,因为笔者曾经碰到过这样的问题,客户服务器上的xpdf是yum安装的,有一些特殊的pdf文件就无法预览,但是将yum安装的xpdf卸载,然后下载xpdf安装程序,再重新安装后,就可以了。
    1.下载
    ok,我们需要下载的xpdf安装包主要有三个:
    2.安装部署
    (1)进入下载目录,将主程序解压至/usr,也可以是其他地方,根据个人情况而定。
    #tar zvfx xpdf-3.01pl2-linux.tar.gz -C /usr
    #cd usr
    然后将其重命名,这样看起来简单点
    mv xpdf-3.01pl2-linux/ xpdf
    (2)建立中文支持。回到下载目录,依次执行:
    #tar zvfx xpdf-chinese-simplified.tar.gz -C /usr/xpdf
    #mv  /usr/xpdf/xpdf-chinese-simplified /usr/xpdf/chinese-simplified
    #tar zvfx xpdf-chinese-traditional.tar.gz -C /usr/xpdf
    #mv  /usr/xpdf/xpdf-chinese-traditional /usr/xpdf/chinese-traditional
    (3)配置环境
    #vi /etc/bashrc
    增加如下内容
    export PATH=/usr/xpdf/:$PATH
    确保重启机器后,在控制台输入xpdf不会提示找不到命令或文件即可。
    (4)资源配置
    #cd /usr/xpdf
    #cp sample-xpdfrc xpdfrc
    #vi xpdfrc
    *在文件开始处增加如下内容(将/usr/xpdf替换为xpdf的实际路径)*
    #----- begin Chinese Simplified support package (2004-jul-27)
    cidToUnicode Adobe-GB1 
    "/usr/xpdf/chinese-simplified/Adobe-GB1.cidToUnicode"
    unicodeMap         ISO-
    2022-CN "/usr/xpdf/chinese-simplified/ISO-2022-CN.unicodeMap"
    unicodeMap         EUC-CN 
    "/usr/xpdf/chinese-simplified/EUC-CN.unicodeMap"
    unicodeMap         GBK 
    "/usr/xpdf/chinese-simplified/GBK.unicodeMap"
    cMapDir Adobe-GB1 
    "/usr/xpdf/chinese-simplified/CMap"
    toUnicodeDir 
    "/usr/xpdf/chinese-simplified/CMap"
    #displayCIDFontTT Adobe-GB1 /usr/..../gkai00mp.ttf
    #----- end Chinese Simplified support package
    #----- begin Chinese Traditional support package (2004-jul-27)
    cidToUnicode Adobe-CNS1 
    "/usr/xpdf/chinese-traditional/Adobe-CNS1.cidToUnicode"
    unicodeMap Big5 
    "/usr/xpdf/chinese-traditional/Big5.unicodeMap"
    unicodeMap Big5ascii 
    "/usr/xpdf/chinese-traditional/Big5ascii.unicodeMap"
    cMapDir Adobe-CNS1 
    "/usr/xpdf/chinese-traditional/CMap"
    toUnicodeDir 
    "/usr/xpdf/chinese-traditional/CMap"
    #displayCIDFontTT Adobe-CNS1 /usr/..../bkai00mp.ttf
    #----- end Chinese Traditional support package
    然后再执行:
    #cp xpdfrc /usr/local/etc/
    好了,到这里我们也就安装完成了。下面介绍如何利用xpdf读取pdf文件的内容
    二.利用xpdf读取pdf文件的内容
    方法很简单,利用著名的Runtime.getRuntime()即可,如下:
        /**
         * 
    @param filePath  pdf文件路径
         * 
    @return
         
    */

        
    public String getPdfContent(String filePath){
            String excute
    ="pdftotext";

            String[] cmd
    =new String[]{excute, "-enc""UTF-8""-q", filePath,"-"};
            Process p
    =null;
            
    try {
                p
    =Runtime.getRuntime().exec(cmd);
            }
     catch (IOException e) {
                e.printStackTrace();
            }


            BufferedInputStream bis
    =new BufferedInputStream(p.getInputStream());

            InputStreamReader reader
    =null;

            
    try {
                reader
    =new InputStreamReader(bis,"UTF-8");
            }
     catch (UnsupportedEncodingException e1) {
                e1.printStackTrace();
            }


            StringBuffer sb
    =new StringBuffer();

            
    try {
                BufferedReader br 
    = new BufferedReader(reader);
                String line 
    = br.readLine();            
                sb 
    = new StringBuffer();
                
    while (line != null{
                    sb.append(line);
                    sb.append(
    " ");
                    line 
    = br.readLine();
                }

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

            
            
    return sb.toString();
        }
  • 相关阅读:
    vue 使用sass 和less
    生命周期函数以及vue的全局注册
    vue-router的简单实现原理
    vue的三种传参方式
    配置router列表
    vue传参二
    Gym 101933E(状态压缩+记忆化搜索)
    Gym 101933 A(dp)
    Gym 101775H(dp)
    Gym 101775 D (思维)
  • 原文地址:https://www.cnblogs.com/hehe520/p/6330235.html
Copyright © 2011-2022 走看看