資源描述：
《java中各種文件類型的操作》由會員上傳分享，免費(fèi)在線閱讀，更多相關(guān)內(nèi)容在行業(yè)資料-天天文庫。
1、7.1?使用PDFBox處理PDF文檔PDF全稱PortableDocumentFormat，是Adobe公司開發(fā)的電子文件格式。這種文件格式與操作系統(tǒng)平臺無關(guān)，可以在Windows、Unix或MacOS等操作系統(tǒng)上通用。PDF文件格式將文字、字型、格式、顏色及獨(dú)立于設(shè)備和分辨率的圖形圖像等封裝在一個文件中。如果要抽取其中的文本信息，需要根據(jù)它的文件格式來進(jìn)行解析。幸好目前已經(jīng)有不少工具能幫助我們做這些事情。7.1.1?PDFBox的下載最常見的一種PDF文本抽取工具就是PDFBox了，訪問網(wǎng)址http://sourceforge.net/projects/pdfbox
2、/，進(jìn)入如圖7-1所示的下載界面。圖7-1?PDFBox的下載頁面讀者可以在該網(wǎng)頁下載其最新的版本。本書采用的是PDFBox-0.7.3版本。PDFBox是一個開源的JavaPDF庫，這個庫允許你訪問PDF文件的各項(xiàng)信息。在接下來的例子中，將演示如何使用PDFBox提供的API，從一個PDF文件中提取出文本信息。7.1.2?在Eclipse中配置以下是在Eclipse中創(chuàng)建工程，并建立解析PDF文件的工具類的過程。（1）在Eclipse的workspace中創(chuàng)建一個普通的Java工程：ch7。（2）把下載的PDFBox-0.7.3.zip解壓，解壓后的目錄結(jié)構(gòu)如圖7-2
3、所示。圖7-2?解壓后的PDFBox包（3）進(jìn)入external目錄下，可以看到，這里包括了PDFBox所有用到的外部包。復(fù)制下面的Jar包到工程ch7的lib目錄下（如還未建立lib目錄，則先創(chuàng)建一個）。l?bcmail-jdk14-132.jarl?bcprov-jdk14-132.jarl?checkstyle-all-4.2.jarl?FontBox-0.1.0-dev.jarl?lucene-core-2.0.0.jar然后再從PDFBox的lib目錄下，復(fù)制PDFBox-0.7.3.jar到工程的lib目錄下。（4）在工程上單擊右鍵，在彈出的快捷菜單中選擇“
4、BuildPath->ConfigBuildPath->AddJars”命令，把工程lib目錄下面的包都加入工程的BuildPath。筆者機(jī)器上完整的工程目錄如圖7-3所示：圖7-3?工程截圖7.1.3?使用PDFBox解析PDF內(nèi)容在剛剛創(chuàng)建的Eclipse工程中，創(chuàng)建一個ch7.pdfbox包，并創(chuàng)建一個PdfboxTest類。該類包含一個getText方法，用于從一個PDF中獲取文本信息，其代碼如下。代碼7.1publicvoidgeText(Stringfile)throwsException{//是否排序??booleansort=false;//pdf文件名
5、??StringpdfFile=file;//輸入文本文件名稱??StringtextFile=null;//編碼方式??Stringencoding="UTF-8";//開始提取頁數(shù)??intstartPage=1;//結(jié)束提取頁數(shù)??intendPage=Integer.MAX_VALUE;//文件輸入流，生成文本文件??Writeroutput=null;//內(nèi)存中存儲的PDFDocument??PDDocumentdocument=null;try{?????try{????????//首先當(dāng)作一個URL來裝載文件，如果得到異常再從本地文件系統(tǒng)//去裝載文件??
6、??????URLurl=newURL(pdfFile);????????document=PDDocument.load(url);????????//獲取PDF的文件名????????StringfileName=url.getFile();????????//以原來PDF的名稱來命名新產(chǎn)生的txt文件????????if(fileName.length()>4){???????????FileoutputFile=newFile(fileName.substring(0,fileName.length()-4)+".txt");???????????textFil
7、e=outputFile.getName();????????}?????}catch(MalformedURLExceptione){????????//如果作為URL裝載得到異常則從文件系統(tǒng)裝載????????document=PDDocument.load(pdfFile);????????if(pdfFile.length()>4){???????????textFile=pdfFile.substring(0,pdfFile.length()-4)+".txt";????????}?????}?????//文件輸入流，寫入文件倒
