JAVA读取PDF文件

Posted 2021-05-17 tropica

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：

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
(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。

# tar zvfx xpdf- 3 . 01pl2-linux . tar . gz -C  / usr
# cd  usr

然后将其重命名，这样看起来简单点

mv xpdf- 3 . 01pl2-linux /  xpdf

(2)建立中文支持。回到下载目录，依次执行：

# 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
# cp sample-xpdfrc xpdfrc
# vi xpdfrc

*在文件开始处增加如下内容(将/usr/xpdf替换为xpdf的实际路径)*

# ----- 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

然后再执行：

# cp xpdfrc  / 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

方法很简单，利用著名的Runtime.getRuntime()即可，如下：

     /** */ /**
     * @param filePath  pdf文件路径
     * @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();
    }