java读取pdf文件内容

linux-dash

A beautiful web dashboard for Linux

项目地址：https://gitcode.com/gh_mirrors/li/linux-dash

免费下载资源

hbcui1984

26224人浏览 · 2007-06-01 15:31:00

hbcui1984 · 2007-06-01 15:31:00 发布

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。

# 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();

}

GitHub 加速计划 / li / linux-dash

下载

A beautiful web dashboard for Linux

最近提交(Master分支：4 个月前 )

186a802e added ecosystem file for PM2 5 年前

5def40a3 Add host customization support for the NodeJS version 5 年前

AtomGit开源社区

AtomGit 是由开放原子开源基金会联合 CSDN 等生态伙伴共同推出的新一代开源与人工智能协作平台。平台坚持“开放、中立、公益”的理念，把代码托管、模型共享、数据集托管、智能体开发体验和算力服务整合在一起，为开发者提供从开发、训练到部署的一站式体验。

更多推荐

1.8B 体积、33 种语言互译｜腾讯混元 HY-MT1.5-1.8B 多语言机器翻译模型上线

在跨语言交流日益频繁的今天，阅读外语菜单、处理多语言邮件、与不同语言背景的人沟通，已经成为很多人日常工作与生活的一部分。过去，这类需求往往依赖联网翻译工具，而如今，—— 一部设备即可支持的相互翻译。当 AI 不再只是“逐字直译”，而是开始理解语境、风格与语言之间的细微差异，机器翻译就真正具备了今天为大家介绍一款高质量、多语言、支持端侧部署的机器翻译模型 ——，现已上线 AtomGit AI 社区，