如何用pdfbox-app-1.8.10.jar批处理将pdf文档转换成text文档

1.首先下载pdfbox-app-1.8.10.jar（下载地址：http://pdfbox.apache.org/download.html）

2.将pdfbox-app-1.8.10.jar加载到eclipse工程中

1.新建java工程：Flie->New->Java Project,如PdfToText工程，然后右键该工程BuildPath->Configure Bulid Path..，单击Libaries，点击Add External JARs,将刚才下载好的pdfbox-app-1.8.10.jar添加进去，点击Order and Export,将刚才的包打勾即可，最后点击ok。

2.新建一个PdfboxTest的类，以下就是源代码

import java.io.File;
import java.io.FileOutputStream;
import java.io.Writer;
import java.net.MalformedURLException;
import java.net.URL;
import java.io.OutputStreamWriter;
import org.apache.pdfbox.pdmodel.PDDocument;
import org.apache.pdfbox.util.PDFTextStripper;
//Author：Yiutto
//destination：主要用于pdf文件批处理转换为text文档

public class PdfboxTest {
    public void getText(String file) throws Exception {
        // 是否排序
        boolean sort = false;
        // pdf文件名 @1 “E:\data\Inputpdf\”是pdf文件夹根目录，所有的pdf文件都放在该目录下（自己可以设置）
        String pdfFile = "E:\data\Inputpdf\" + file;
        // 输入文本文件名称
        String textFile = null;
        // 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;
        // 文件输入流，生成文本文件
        Writer output = null;
        // 内存中存储的PDF Document
        PDDocument document = null;

        try {
            try {
                // 首先当作一个URL来加载文件，如果得到异常再从本地系统装载文件
                URL url = new URL(pdfFile);
                document = PDDocument.load(url);
                // 获取PDF的文件名
                // String fileName = url.getFile();

                // 以原来pdf名称来命名新产生的txt文件
                if (file.length() > 4) {
                    File outputFile = new File(file.substring(0,
                            file.length() - 4) + ".txt");
                    textFile = outputFile.getName();
                }
            } catch (MalformedURLException e) {
                // 如果作为URL装载得到异常则从文件系统装载
                document = PDDocument.load(pdfFile);
                if (file.length() > 4) {
                    textFile = file.substring(0, file.length() - 4) + ".txt";
                }
            }
            // 文件输入流，写入文件到textFile @2 “E:\data\Outputtxt\”是text文档输出目录（自己可以设置）
            output = new OutputStreamWriter(new FileOutputStream(
                    "E:\data\Outputtxt\" + textFile), encoding);
            // PDFTextStripper来提取文本
            PDFTextStripper stripper = null;
            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);
            // 调用PDFTextStripper的writeText提取并输出文本
            stripper.writeText(document, output);
        } finally {
            if (output != null) {
                // 关闭输出流
                output.close();
            }
            if (document != null) {
                // 关闭PDF Document
                document.close();
            }
        }

    }

    public static void main(String[] args) {
        // @3 “E:\data\Inputpdf\”是pdf文件夹根目录，所有的pdf文件都放在该目录下（自己可以设置）
        File input = new File("E:\data\Inputpdf\");
        if (input.isDirectory()) {
            String[] fileList = input.list();
            PdfboxTest test = new PdfboxTest();
            System.out.println(input.toString()+"
");
            for (String file : fileList) {
                try {
                    System.out.println(" "+file
                            + " is prepared converting to text....");
                    test.getText(file);
                    System.out.println(" "+file + "is done.
");
                } catch (Exception e) {
                    // TODO Auto-generated catch block
                    e.printStackTrace();
                }
            }

        }
    }

}

小篇要说：@1 “E:\data\Inputpdf\”是pdf文件夹根目录，所有的pdf文件都放在该目录下（自己可以设置）

               @2 “E:\data\Outputtxt\”是text文档输出目录（自己可以设置）

               @3 “E:\data\Inputpdf\”是pdf文件夹根目录，所有的pdf文件都放在该目录下（自己可以设置）

               这3句注释行下的代码可以根据自己具体情况更改，已经介绍的这么详细了，希望大家点赞！！

3.实验的结果如下图：