讀取pdf中的內容

/**

*使用前先備好   PDFBox-0.7.2-log4j.jar

*log4j-1.2.15.jar   兩個包

*/

 

import org.pdfbox.pdmodel.PDDocument;
import org.pdfbox.util.PDFTextStripper;

**
 * 將pdf中的內容複寫到txt中
 * @author DanielCooger
 * <a href="mailto:tangjunfeng52099@gmail.com">daniel</a>
 */

public class Pdf {

// 記憶體中儲存的PDF Document
 private PDDocument document = null;
 // 是否排序
 private boolean sort = false;
 // 開始提取頁數
 private int startPage = 1;
 // 結束提取頁數
 private int endPage = Integer.MAX_VALUE;
 
 /**
  *根據輸入的源檔案路徑得到pdf檔案中的內容
  *file 參數為源檔案pdf路徑
  */
 public String readFdf(String file) throws Exception{
  // 注意參數已不是以前版本中的URL.而是File。
  document = PDDocument.load(file);
  // PDFTextStripper來提取文本
  PDFTextStripper stripper = null;
  stripper = new PDFTextStripper();
  // 設定是否排序
  stripper.setSortByPosition(sort);
  // 設定起始頁
  stripper.setStartPage(startPage);
  // 設定結束頁
  stripper.setEndPage(endPage);
  // 調用PDFTextStripper的getText提取pdf中的文本
  return stripper.getText(document);
 }

}