java进行pdf解析-----pdfbox

对pdf解析有不少成熟技术，经过选型，我最后选定用pdfbox。

前面那个flash上传的是pdf，实际保存到数据库的也是pdf，但中间还有个过程：转换为text文本，并抽取作者、时间、标题、、、之类的信息进行索引（用的lucene）

因为pdfbox原生提供了生成luceneDocument的类，所以不需要什么编程，只针对特殊需求hack了几个小地方，因此就不贴代码了。

这个贴的目的就是推荐一下pdfbox，以后需要用到pdf->text的，这个工具值得使用。

 

【2009-8】

 

评论

7 楼 libaogui777 2018-07-22  

前辈，您好， 使用PDFbox 提取内容遇到一个问题，想请教您， PDF是竖着的时候，根据坐标读取内容很正常， 但是横着的PDF，根据坐标读取内容无法读取，请问有办法解决吗？

[e-mail]

重谢

6 楼 tedeyang 2011-12-13  

java_base 写道

前辈您好，我现在正用pdfbox  把txt文件转化为pdf文件，遇到了中文编码的问题。我用的是pdfbox-0.7.3  网上说是支持中文的。现在的问题是原来txt中的英文在新创建的pdf中正常显示，但中文是乱码。您能帮我一下吗？谢谢。（刚接触pdfbox，见谅）
代码如下：FileReader fr = new FileReader("D:/PDFTest/test.txt");
                BufferedReader br = new BufferedReader(fr);
                StringBuffer sBuffer = new StringBuffer();
                String string = null;
                TextToPDF test = new TextToPDF();
                System.out.println(br);
sBuffer.append(string).append(System.getProperty("line.separator"));
              
Reader input = new InputStreamReader(new FileInputStream("D:/PDFTest/test.txt"), "UTF-8");

       
                document = test.createPDFFromText(input);            
                   
                document.save("D:/PDFTest/test.pdf");

真抱歉，我现在才发现你的留言。:(
你应该早就解决问题了吧，不过我猜这种问题可能是字体不存在。

5 楼 tedeyang 2011-12-13  

antony102201 写道

我现在是读取有的PDF读取时报错，大部分是可以读的 现在不知道怎么办啊

是否是加密的PDF？

4 楼 antony102201 2011-12-12  

我现在是读取有的PDF读取时报错，大部分是可以读的 现在不知道怎么办啊

3 楼 java_base 2010-11-08  

前辈您好，我现在正用pdfbox  把txt文件转化为pdf文件，遇到了中文编码的问题。我用的是pdfbox-0.7.3  网上说是支持中文的。现在的问题是原来txt中的英文在新创建的pdf中正常显示，但中文是乱码。您能帮我一下吗？谢谢。（刚接触pdfbox，见谅）
代码如下：FileReader fr = new FileReader("D:/PDFTest/test.txt");
                BufferedReader br = new BufferedReader(fr);
                StringBuffer sBuffer = new StringBuffer();
                String string = null;
                TextToPDF test = new TextToPDF();
                System.out.println(br);
sBuffer.append(string).append(System.getProperty("line.separator"));
              
Reader input = new InputStreamReader(new FileInputStream("D:/PDFTest/test.txt"), "UTF-8");

       
                document = test.createPDFFromText(input);            
                   
                document.save("D:/PDFTest/test.pdf");

2 楼 caizi_java 2010-08-15  

有代码多好

1 楼 ccx007 2010-05-17  

哈哈，我也用过...
...