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：

主程序：ftp://ftp.foolabs.com/pub/xpdf/xpdf-3.01pl2-linux.tar.gz
简体中文支持：ftp://ftp.foolabs.com/pub/xpdf/xpdf-chinese-simplified.tar.gz
繁体中文支持：ftp://ftp.foolabs.com/pub/xpdf/xpdf-chinese-traditional.tar.gz

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。

#tarzvfxxpdf-3.01pl2-linux.tar.gz-C/usr
#cdusr

然后将其重命名，这样看起来简单点

mvxpdf-3.01pl2-linux/xpdf

(2)建立中文支持。回到下载目录，依次执行：

#tarzvfxxpdf-chinese-simplified.tar.gz-C/usr/xpdf
#mv/usr/xpdf/xpdf-chinese-simplified/usr/xpdf/chinese-simplified
#tarzvfxxpdf-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
#cpsample-xpdfrcxpdfrc
#vixpdfrc

*在文件开始处增加如下内容(将/usr/xpdf替换为xpdf的实际路径)*

#-----beginChineseSimplifiedsupportpackage(2004-jul-27)
cidToUnicodeAdobe-GB1"/usr/xpdf/chinese-simplified/Adobe-GB1.cidToUnicode"
unicodeMapISO-2022-CN"/usr/xpdf/chinese-simplified/ISO-2022-CN.unicodeMap"
unicodeMapEUC-CN"/usr/xpdf/chinese-simplified/EUC-CN.unicodeMap"
unicodeMapGBK"/usr/xpdf/chinese-simplified/GBK.unicodeMap"
cMapDirAdobe-GB1"/usr/xpdf/chinese-simplified/CMap"
toUnicodeDir"/usr/xpdf/chinese-simplified/CMap"
#displayCIDFontTTAdobe-GB1/usr/..../gkai00mp.ttf
#-----endChineseSimplifiedsupportpackage
#-----beginChineseTraditionalsupportpackage(2004-jul-27)
cidToUnicodeAdobe-CNS1"/usr/xpdf/chinese-traditional/Adobe-CNS1.cidToUnicode"
unicodeMapBig5"/usr/xpdf/chinese-traditional/Big5.unicodeMap"
unicodeMapBig5ascii"/usr/xpdf/chinese-traditional/Big5ascii.unicodeMap"
cMapDirAdobe-CNS1"/usr/xpdf/chinese-traditional/CMap"
toUnicodeDir"/usr/xpdf/chinese-traditional/CMap"
#displayCIDFontTTAdobe-CNS1/usr/..../bkai00mp.ttf
#-----endChineseTraditionalsupportpackage

然后再执行：

#cpxpdfrc/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：

/***//**
*@paramfilePathpdf文件路径
*@return
*/
publicStringgetPdfContent(StringfilePath)...{
Stringexcute="pdftotext";

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

BufferedInputStreambis=newBufferedInputStream(p.getInputStream());

InputStreamReaderreader=null;

try...{
reader=newInputStreamReader(bis,"UTF-8");
}catch(UnsupportedEncodingExceptione1)...{
e1.printStackTrace();
}

StringBuffersb=newStringBuffer();

try...{
BufferedReaderbr=newBufferedReader(reader);
Stringline=br.readLine();
sb=newStringBuffer();
while(line!=null)...{
sb.append(line);
sb.append(" ");
line=br.readLine();
}
}catch(Exceptione)...{
e.printStackTrace();
}

returnsb.toString();
}