如何用pdfbox-app-1.8.10.jar批处理将pdf文档转换成text文档

1.首先下载pdfbox-app-1.8.10.jar（下载地址：http://pdfbox.apache.org/download.html）

2.将pdfbox-app-1.8.10.jar加载到eclipse工程中

1.新建java工程：Flie->New->Java Project,如PdfToText工程，然后右键该工程BuildPath->Configure Bulid Path..，单击Libaries，点击Add External JARs,将刚才下载好的pdfbox-app-1.8.10.jar添加进去，点击Order and Export,将刚才的包打勾即可，最后点击ok。

2.新建一个PdfboxTest的类，以下就是源代码

import java.io.File;

import java.io.FileOutputStream;

import java.io.Writer;

import java.net.MalformedURLException;

import java.net.URL;

import java.io.OutputStreamWriter;

import org.apache.pdfbox.pdmodel.PDDocument;

import org.apache.pdfbox.util.PDFTextStripper;

//Author：Yiutto

//destination：主要用于pdf文件批处理转换为text文档

public class PdfboxTest {

    public void getText(String file) throws Exception {

        // 是否排序

        boolean sort = false;

        // pdf文件名 @1 “E:\\data\\Inputpdf\\”是pdf文件夹根目录，所有的pdf文件都放在该目录下（自己可以设置）

        String pdfFile = "E:\\data\\Inputpdf\\" + file;

        // 输入文本文件名称

        String textFile = null;

        // 编码方式

        String encoding = "UTF-8";

        // 开始提取页数

        int startPage = 1;

        // 结束提取页数

        int endPage = Integer.MAX_VALUE;

        // 文件输入流，生成文本文件

        Writer output = null;

        // 内存中存储的PDF Document

        PDDocument document = null;

        try {

            try {

                // 首先当作一个URL来加载文件，如果得到异常再从本地系统装载文件

                URL url = new URL(pdfFile);

                document = PDDocument.load(url);

                // 获取PDF的文件名

                // String fileName = url.getFile();

                // 以原来pdf名称来命名新产生的txt文件

                if (file.length() > 4) {

                    File outputFile = new File(file.substring(0,

                            file.length() - 4) + ".txt");

                    textFile = outputFile.getName();

                }

            } catch (MalformedURLException e) {

                // 如果作为URL装载得到异常则从文件系统装载

                document = PDDocument.load(pdfFile);

                if (file.length() > 4) {

                    textFile = file.substring(0, file.length() - 4) + ".txt";

                }

            }

            // 文件输入流，写入文件到textFile @2 “E:\\data\\Outputtxt\\”是text文档输出目录（自己可以设置）

            output = new OutputStreamWriter(new FileOutputStream(

                    "E:\\data\\Outputtxt\\" + textFile), encoding);

            // PDFTextStripper来提取文本

            PDFTextStripper stripper = null;

            stripper = new PDFTextStripper();

            // 设置是否排序

            stripper.setSortByPosition(sort);

            // 设置起始页

            stripper.setStartPage(startPage);

            // 设置结束页

            stripper.setEndPage(endPage);

            // 调用PDFTextStripper的writeText提取并输出文本

            stripper.writeText(document, output);

        } finally {

            if (output != null) {

                // 关闭输出流

                output.close();

            }

            if (document != null) {

                // 关闭PDF Document

                document.close();

            }

        }

    }

    public static void main(String[] args) {

        // @3 “E:\\data\\Inputpdf\\”是pdf文件夹根目录，所有的pdf文件都放在该目录下（自己可以设置）

        File input = new File("E:\\data\\Inputpdf\\");

        if (input.isDirectory()) {

            String[] fileList = input.list();

            PdfboxTest test = new PdfboxTest();

            System.out.println(input.toString()+"\n");

            for (String file : fileList) {

                try {

                    System.out.println(" "+file

                            + " is prepared converting to text....");

                    test.getText(file);

                    System.out.println(" "+file + "is done.\n");

                } catch (Exception e) {

                    // TODO Auto-generated catch block

                    e.printStackTrace();

                }

            }

        }

    }

}

小篇要说：@1 “E:\\data\\Inputpdf\\”是pdf文件夹根目录，所有的pdf文件都放在该目录下（自己可以设置）

               @2 “E:\\data\\Outputtxt\\”是text文档输出目录（自己可以设置）

               @3 “E:\\data\\Inputpdf\\”是pdf文件夹根目录，所有的pdf文件都放在该目录下（自己可以设置）

               这3句注释行下的代码可以根据自己具体情况更改，已经介绍的这么详细了，希望大家点赞！！

3.实验的结果如下图：