如何用Java将PDF/RTF批量转TXT文件

Question

请问只用Java怎样将PDF和RTF文件批量转成TXT文件？
请问各用什么第三方软件包能转PDF和RTF？最好是开源的。
并能给出转换的关键几句sample code。谢谢。

Answer 1

java 什么将pdf文档转换txt文档就不知道了?但是Adobe是可以直接把pdf文档转换成txt文档
也有第三方软件可以将照象出来的文本转换可以认识的txt文件,这个软件去年我在高交会上看到过

Answer 2

可以用POI. 读取PDF的文件.
 
但前提是这种pdf文件只能是自己生成的. 不能是通过扫描而成的. 扫描的那种神仙也没办法. 具体可以去 ibm  develperworks参考.. 

Answer 3

谢谢各位，我的PDF和RTF文档都是正常的文档，非扫描的那种。请问楼上POI具体怎么读取PDF？我听说itext也能读取PDF。不过我要的不只是读取，而是转换成TXT。
请问具体调用什么方法可以直接转换成txt。

Answer 4

我知道红旗贰仟的redoffice可以保存为pdf格式的，也可以打开txt格式的

Answer 5

使用jacob可以，在sourceforge网站上下，但是貌似国内屏蔽这个网站了。
http://mirror.optus.net/sourceforge/j/ja/jacob-project/
这个是镜像网站可以下，建议楼主下最新版本的，这个对版本要求比较严格，你可以在它的文档里查看具体信息。
代码例子这里有个word转html的，我以前用过的，如果需要pdf转txt只需要改几个参数就可以了。package cn.qducomputer.flame;import com.jacob.activeX.ActiveXComponent;
import com.jacob.com.Dispatch;
import com.jacob.com.Variant;public class WordUtil {
/**
 * 文档转换函数
 * 
 * @param docfile
 *            word文档的绝对路径加文件名(包含扩展名)
 * @param htmlfile
 *            转换后的html文件绝对路径和文件名(不含扩展名)
 */
public static void wordToHtml(String docfile, String htmlfile) { ActiveXComponent app = new ActiveXComponent("Word.Application"); // 启动word
try {
app.setProperty("Visible", new Variant(false));
// 设置word不可见
Dispatch doc1 = app.getProperty("Documents").toDispatch();
Dispatch doc2 = Dispatch.invoke(
doc1,
"Open",
Dispatch.Method,
new Object[] { docfile, new Variant(false),
new Variant(true) }, 
new int[1]).toDispatch();
// 打开word文件
Dispatch.invoke(doc2, "SaveAs", Dispatch.Method, new Object[] {
htmlfile, new Variant(8) }, new int[1]);
// 作为html格式保存到临时文件
Variant f = new Variant(false);
Dispatch.call(doc2, "Close", f);
} catch (Exception e) {
e.printStackTrace();
} finally {
app.invoke("Quit", new Variant[] {});
}
}}

Answer 6

谢谢，不过由于程序要放到unix machine上以纯命令行方式运行，unix机器上也没有MS Word，也不能装MS Word。所以jacob的方式估计不能使用。继续求一个只用纯Java的方案。

Answer 7

你这个是pdf转化什么?是转word还是htm,我想知道误码率有多高?因为我直接通过pdf转word就有些误码

Answer 8

iReport 这个东东可以做报表 而且有很多格式 ,,PDF等都能做,,,你可以用他来解析 然后生成新格式

Answer 9

我终于搞定了RTF转TXT的问题。
用了一个JDK的内部类：javax.swing.text.rtf.RTFEditorKit public String getText(InputStream in) throws IOException,
BadLocationException {
RTFEditorKit kit = new RTFEditorKit();
Document doc = kit.createDefaultDocument();
kit.read(in, doc, 0);
return doc.getText(0, doc.getLength());
}继续求PDF转TXT方案。

Answer 10

可以用POI. 读取PDF的文件. 但前提是这种pdf文件只能是自己生成的. 不能是通过扫描而成的. 扫描的那种神仙也没办法. 

Answer 11

我有用报表birt（eclipse插件）转换文件类型的程序。思路就是先把数据从文件中读出来，然后放进报表中生成新的类型的文件。代码太多了，就不贴了

Answer 12

jacobPJX支持读取，组合，处理，和生成PDF文档（注意：PJX需要 J2SE 1.4.0 或更高版本）。 

Answer 13

可以用POI. 读取PDF的文件. 

Answer 14

请问有转换成功吗，我这段时间也做这个，而且头疼的是pdf里面的内容有太多的化学式，都带下标，这个要怎么解决？