原创

Java 批量读取本地pdf文件文本生成txt文件

下载地址:http://pdfbox.apache.org/downloads.html
下载所需jar包如下:
bcprov-jdk16-140.jar
commons-logging-1.1.3.jar
fontbox-1.8.7.jar
pdfbox-1.8.7.jar


代码实现如下:

package com.util;

import java.io.BufferedWriter;
import java.io.File;
import java.io.FileInputStream;
import java.io.FileWriter;
import java.util.HashMap;
import java.util.Map;
import java.util.Map.Entry;

import org.apache.pdfbox.pdfparser.PDFParser;
import org.apache.pdfbox.util.PDFTextStripper;
    /**
     * @author www.yoodb.com
     */
public class PdfParser {

    /**
     * 文件名集合
     */
    private static Map<String,String> fileNames = new HashMap<String, String>();
    /**
     * 文件夹地址
     */
    private static String path = "D:\\Test\\";
    /**
     * 
     */
    public static void main(String[] args) throws Exception {
getFile(path);
FileInputStream fis = null;
BufferedWriter writer = null;
for(Entry<String, String> entry: fileNames.entrySet()) {
    fis = new FileInputStream(path + entry.getValue());
    writer = new BufferedWriter(new FileWriter(path + entry.getKey()));
    PDFParser p = new PDFParser(fis);
    p.parse();
    PDFTextStripper ts = new PDFTextStripper();
    String ss = ts.getText(p.getPDDocument());
    writer.write(ss);
    fis.close();
    writer.close(); 
}
    }
    
    private static void getFile(String path){   
File file = new File(path);   
File[] array = file.listFiles();   
for(int i=0;i<array.length;i++){   
    if(array[i].isFile()){   
String hz = array[i].getName().substring(array[i].getName().lastIndexOf("."),array[i].getName().length());
if(hz.equals(".pdf")){
    String mz = array[i].getName().substring(0,array[i].getName().lastIndexOf("."));
    fileNames.put(mz+".txt", array[i].getName());
}
    }else if(array[i].isDirectory()){   
getFile(array[i].getPath());   
    }   
}   
    }   
}



如果报如下异常错误:

Exception in thread "main" java.lang.NoClassDefFoundError: org/bouncycastle/jce/provider/BouncyCastleProvider
    at org.apache.pdfbox.pdmodel.PDDocument.openProtection(PDDocument.java:1594)
    at org.apache.pdfbox.pdmodel.PDDocument.decrypt(PDDocument.java:942)
    at org.apache.pdfbox.util.PDFTextStripper.writeText(PDFTextStripper.java:337)
    at org.apache.pdfbox.util.PDFTextStripper.getText(PDFTextStripper.java:257)
    at com.hkm.TankWar.pdf2.getText(pdf2.java:18)
    at com.hkm.TankWar.pdf2.main(pdf2.java:67)
Caused by: java.lang.ClassNotFoundException: org.bouncycastle.jce.provider.BouncyCastleProvider
    at java.net.URLClassLoader$1.run(URLClassLoader.java:366)
    at java.net.URLClassLoader$1.run(URLClassLoader.java:355)
    at java.security.AccessController.doPrivileged(Native Method)
    at java.net.URLClassLoader.findClass(URLClassLoader.java:354)
    at java.lang.ClassLoader.loadClass(ClassLoader.java:425)
    at sun.misc.Launcher$AppClassLoader.loadClass(Launcher.java:308)
    at java.lang.ClassLoader.loadClass(ClassLoader.java:358)
    ... 6 more

解决方案:
BouncyCastle可以从www.bouncycastle.org下载(对应JDK版本的BouncyCastle)
1、将下载的bcprov-jdk16-140.jar包放在F:\tools\Java\jdk1.7.0_51\jre\lib\ext目录下;
2、打开F:\tools\Java\jdk1.7.0_51\jre\lib\security目录下的java.security文件,在# List of providers and their preference orders (see above):下面添加:
security.provider.x=org.bouncycastle.jce.provider.BouncyCastleProvider
(上述是网上解决方法并且不进行第二步配置操作也可解决异常问题,但个人解决方式是直接把jar当成普通包使用也解决了异常问题,不用其他配置)

~阅读全文~人机检测~

关注下方微信公众号“Java精选”(w_z90110),回复关键词领取资料:如Mysql、Hadoop、Dubbo、Spring Boot等,免费领取视频教程、资料文档和项目源码。

Java精选专注程序员推送一些Java开发知识,包括基础知识、各大流行框架(Mybatis、Spring、Spring Boot等)、大数据技术(Storm、Hadoop、MapReduce、Spark等)、数据库(Mysql、Oracle、NoSQL等)、算法与数据结构、面试专题、面试技巧经验、职业规划以及优质开源项目等。其中一部分由小编总结整理,另一部分来源于网络上优质资源,希望对大家的学习和工作有所帮助。

评论

分享:

支付宝

微信