Java从URL获取PDF内容

Java直接URL获取PDF内容

import java.io.*;

import java.net.MalformedURLException;

import java.net.URL;

import java.net.URLConnection;

import org.apache.pdfbox.pdmodel.PDDocument;

import org.apache.pdfbox.text.PDFTextStripper;

/**

 * 通过URL获得PDF内容 转存

 * @author sunyang

 * @date 2019/1/24 14:40

 */

public class PdfText2Url {

    public static void main(String[] args) {

        try {

            //需要获取到的PDF地址

    readPdf("https://img1.xxx.org/tech/file/9bd7/733b/7ef54fbf672cfffaf2b1a6c2.pdf");

        }catch (Exception e){

        }

    }

    /**

     * 传入一个.pdf 地址

     * @param pdfUrl 地址

     * @throws Exception

     */

    public static void readPdf(String pdfUrl) throws Exception {

        // 是否排序

        boolean sort = false;

        // 编码方式

        String encoding = "UTF-8";

        // 开始提取页数

        int startPage = 1;

        // 内存中存储的PDF Document

        PDDocument pdDocument = null;

        //输入流

        InputStream inputStream = null;

        try {

            try {

                // 当作一个URL来装载文件

                URL url = new URL(pdfUrl);

                URLConnection con = url.openConnection();

                con.setConnectTimeout(3 * 1000);

                inputStream = con.getInputStream();

                pdDocument = PDDocument.load(inputStream);

            } catch (MalformedURLException e) {

            }

            // 获取页码

            int endPage = pdDocument.getNumberOfPages();

            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);

            System.out.println(stripper.getText(pdDocument));

            System.out.println(" 输出成功！");

        } finally {

            if (inputStream != null) {

                // 关闭输出流

                inputStream.close();

            }

            if (pdDocument != null) {

                // 关闭PDF Document

                pdDocument.close();

            }

        }

    }

}

Pom.xml 添加Apache的pdfbox，已经很成熟了

<dependency>

      <groupId>org.apache.pdfbox</groupId>

      <artifactId>fontbox</artifactId>

      <version>2.0.7</version>

    </dependency>

    <dependency>

      <groupId>org.apache.pdfbox</groupId>

      <artifactId>pdfbox</artifactId>

      <version>2.0.4</version>

    </dependency>