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:
(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。
#
tarzvfxxpdf-
3
.
01pl2-linux
.
tar
.
gz-C
/
usr
#
cd
usr
然后将其重命名,这样看起来简单点
mvxpdf-
3
.
01pl2-linux
/
xpdf
(2)建立中文支持。回到下载目录,依次执行:
#
tarzvfxxpdf-chinese-simplified
.
tar
.
gz-C
/
usr
/
xpdf
#
mv
/
usr
/
xpdf
/
xpdf-chinese-simplified
/
usr
/
xpdf
/
chinese-simplified
#
tarzvfxxpdf-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
#
cpsample-xpdfrcxpdfrc
#
vixpdfrc
*在文件开始处增加如下内容(将/usr/xpdf替换为xpdf的实际路径)*
#
-----beginChineseSimplifiedsupportpackage
(
2004
-jul-
27
)
cidToUnicodeAdobe-GB1
"
/usr/xpdf/chinese-simplified/Adobe-GB1.cidToUnicode
"
unicodeMapISO-
2022
-CN
"
/usr/xpdf/chinese-simplified/ISO-2022-CN.unicodeMap
"
unicodeMapEUC-CN
"
/usr/xpdf/chinese-simplified/EUC-CN.unicodeMap
"
unicodeMapGBK
"
/usr/xpdf/chinese-simplified/GBK.unicodeMap
"
cMapDirAdobe-GB1
"
/usr/xpdf/chinese-simplified/CMap
"
toUnicodeDir
"
/usr/xpdf/chinese-simplified/CMap
"
#
displayCIDFontTTAdobe-GB1
/
usr
/..../
gkai00mp
.
ttf
#
-----
end
ChineseSimplifiedsupportpackage
#
-----beginChineseTraditionalsupportpackage
(
2004
-jul-
27
)
cidToUnicodeAdobe-CNS1
"
/usr/xpdf/chinese-traditional/Adobe-CNS1.cidToUnicode
"
unicodeMapBig5
"
/usr/xpdf/chinese-traditional/Big5.unicodeMap
"
unicodeMapBig5ascii
"
/usr/xpdf/chinese-traditional/Big5ascii.unicodeMap
"
cMapDirAdobe-CNS1
"
/usr/xpdf/chinese-traditional/CMap
"
toUnicodeDir
"
/usr/xpdf/chinese-traditional/CMap
"
#
displayCIDFontTTAdobe-CNS1
/
usr
/..../
bkai00mp
.
ttf
#
-----
end
ChineseTraditionalsupportpackage
然后再执行:
#
cpxpdfrc
/
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
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
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
(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。








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





















方法很简单,利用著名的Runtime.getRuntime()即可,如下:
/**
*
@param
filePathpdf文件路径
*
@return
*/
public
StringgetPdfContent(StringfilePath)
{
Stringexcute
=
"
pdftotext
"
;
String[]cmd
=
new
String[]
{excute,
"
-enc
"
,
"
UTF-8
"
,
"
-q
"
,filePath,
"
-
"
}
;
Processp
=
null
;
try
{
p
=
Runtime.getRuntime().exec(cmd);
}
catch
(IOExceptione)
{
e.printStackTrace();
}
BufferedInputStreambis
=
new
BufferedInputStream(p.getInputStream());
InputStreamReaderreader
=
null
;
try
{
reader
=
new
InputStreamReader(bis,
"
UTF-8
"
);
}
catch
(UnsupportedEncodingExceptione1)
{
e1.printStackTrace();
}
StringBuffersb
=
new
StringBuffer();
try
{
BufferedReaderbr
=
new
BufferedReader(reader);
Stringline
=
br.readLine();
sb
=
new
StringBuffer();
while
(line
!=
null
)
{
sb.append(line);
sb.append(
"
"
);
line
=
br.readLine();
}
}
catch
(Exceptione)
{
e.printStackTrace();
}
return
sb.toString();
}









































