java讀取pdf檔案內容

 java讀取pdf檔案內容

         在java中要讀取pdf檔案內容，我們可以藉助第三方軟體實現。常用的是xpdf，本文就簡單介紹在linux下如何安裝xpdf，及在java中如何利用xpdf讀取pdf檔案內容。
一.安裝xpdf       在fc系列下，不用安裝，可以直接yum，但是筆者建議還是下載安裝的好，因為筆者曾經碰到過這樣的問題，客戶服務器上的xpdf是yum安裝的，有一些特殊的pdf檔案就無法預覽，但是將yum安裝的xpdf卸載，然後下載xpdf安裝程式，再重新安裝後，就可以了。
1.下載
ok，我們需要下載的xpdf安裝包主要有三個：主程式：ftp://ftp.foolabs.com/pub/xpdf/xpdf-3.01pl2-linux.tar.gz
簡體中文支援：ftp://ftp.foolabs.com/pub/xpdf/xpdf-chinese-simplified.tar.gz
繁體中文支援：ftp://ftp.foolabs.com/pub/xpdf/xpdf-chinese-traditional.tar.gz

2.安裝部署
(1)進入下載目錄，將主程式解壓至/usr，也可以是其他地方，根據個人情況而定。#tar zvfx xpdf-3.01pl2-linux.tar.gz -C /usr
#cd usr

然後將其重新命名，這樣看起來簡單點mv xpdf-3.01pl2-linux/ xpdf

(2)建立中文支援。回到下載目錄，依次執行：#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)配置環境#vi /etc/bashrc

增加如下內容
export PATH=/usr/xpdf/:$PATH
確保重啟機器後，在控制台輸入xpdf不會提示找不到命令或檔案即可。
(4)資源配置#cd /usr/xpdf
#cp sample-xpdfrc xpdfrc
#vi xpdfrc

*在檔案開始處增加如下內容(將/usr/xpdf替換為xpdf的實際路徑)*#----- 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

然後再執行：#cp xpdfrc /usr/local/etc/

好了，到這裡我們也就安裝完成了。下面介紹如何利用xpdf讀取pdf檔案的內容

二.利用xpdf讀取pdf檔案的內容方法很簡單，利用著名的Runtime.getRuntime()即可，如下：

    /** *//**
     * @param filePath  pdf檔案路徑
     * @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();
    }