Java将pdf文件转换成String

package pers.wxp.util; import org.apache.pdfbox.pdmodel.PDDocument; import org.apache.pdfbox.text.PDFTextStripper; import java.io.*; /** * @author wuxiaopeng * @create 2018-05-23 13:48 **/ public class pdf { public static String getText(String file) throws Exception { // 是否排序 boolean sort = false; // PDF的本地路径或者url String pdfFile = file; // 编码方式 String encoding = "UTF-8"; // 开始提取页数 int startPage = 1; // 结束提取页数 int endPage = Integer.MAX_VALUE; //获取本地路径资源 FileInputStream in = new FileInputStream(file); // 文件输入流，生成文本文件 Writer output = null; // 内存中存储的PDF Document PDDocument document = PDDocument.load(in); try{ // 采用PDFTextStripper提取文本 PDFTextStripper stripper = new PDFTextStripper(); // 设置是否排序 stripper.setSortByPosition(sort); // 设置起始页 stripper.setStartPage(startPage); // 设置结束页 stripper.setEndPage(endPage); String text = stripper.getText(document); //尝试把前边或后边接有空白字符的换行符换成其他的文字，然后把换行符替换掉，之后再把其他文字换成换行符 //原理是pdf转成String中间有过多的回车换行符\r\n这种，但是如果换行符前后都是有文字的（不为空），则这应该是一个被pdf强行换行出来的 //这里的Jacck最好换成一个更复杂的文本，作为中间替换物存在尽量在中间转化过程中和文档中没有任何匹配 text = text.replaceAll("\\r\\n\\s","Jacck"); text = text.replaceAll("\\s\\r\\n","Jacck"); //处理掉被强行加上来的回车换行符 text = text.replaceAll("\\n|\\r",""); text = text.replaceAll("Jacck","\r\n"); return text; // stripper.writeText(document, output); }catch(Exception e){ e.printStackTrace(); }finally{ if(document != null){ document.close(); } } return ""; } public static void main(String[] args) { //本地路径文件 String file = "D:\\test\\1000093_contract.pdf"; try { String text = getText(file); System.out.println(text); //readText(); } catch (Exception e){ System.out.println(e); } } /** * 读取文本文件 */ public static void readText(){ try { /* 读入TXT文件 */ String pathname = "D:\\test\\contract.txt"; // 绝对路径或相对路径都可以，这里是绝对路径，写入文件时演示相对路径 File filename = new File(pathname); // 要读取以上路径的input。txt文件 InputStreamReader reader = new InputStreamReader( new FileInputStream(filename)); // 建立一个输入流对象reader BufferedReader br = new BufferedReader(reader); // 建立一个对象，它把文件内容转成计算机能读懂的语言 String line = ""; line = br.readLine(); StringBuffer sbf = new StringBuffer(); while (line != null) { line = br.readLine(); // 一次读入一行数据 sbf.append(line + "\r\n"); } System.out.println(sbf); }catch (Exception e){ System.out.println(e); } } }