PDFOperation/java/src/me/yoqi/pdf/Main.java

package me.yoqi.pdf;

import java.io.File;
import java.io.FileWriter;
import java.io.IOException;
import java.util.ArrayList;
import java.util.List;

import org.apache.pdfbox.pdmodel.PDDocument;
import org.apache.pdfbox.pdmodel.encryption.InvalidPasswordException;
import org.apache.pdfbox.text.PDFTextStripper;

/**
 * 批量提取指定文件夹中所有pdf文件为txt格式。 并按照每句话分词 随机取出100句话。
 * 
 * @author liuyuqi
 *
 */
public class Main {
	// 项目目录
	private String projectPath;
	private String resultFile;
	private List<String> suffixList = new ArrayList<String>();

	public static void main(String[] args) {
		Main m = new Main();
		m.init();
		m.bathGetText();
	}

	/**
	 * 初始化参数
	 */
	public void init() {
		projectPath = "E:\\data\\workspace\\PDFOperation\\data";
		resultFile="E:\\data\\workspace\\PDFOperation\\output\\result.txt";
		suffixList.add(".pdf");// 增加后缀
	}

	// 保存的结果，输出
	public void outputData(String fileName, String content) {
	    try {
            //打开一个写文件器，构造函数中的第二个参数true表示以追加形式写文件
            FileWriter writer = new FileWriter(fileName, true);
            writer.write(content);
            writer.close();
        } catch (IOException e) {
            e.printStackTrace();
        }
	}

	public void bathGetText() {
		String filedir = this.projectPath;
		if (null == filedir || "".equals(filedir.trim())) {
			System.out.println("filedir 目录不对！");
			return;
		}
		filedir = filedir.trim();
		if (null == suffixList || suffixList.size() <= 0) {
			System.out.println("suffixList 没有要匹配的后缀！");
			return;
		}
		File f = new File(filedir);
		if (f.isDirectory()) {
			handleDirectory(f);
		} else {
			System.out.println("filedir 必须为目录");
		}
	}

	private void handleDirectory(File filedir) {
		// 目录
		File[] files = filedir.listFiles();
		for (File subFile : files) {
			if (subFile.isDirectory()) {
				handleDirectory(subFile);
			} else {
				// 文件
				for (String suffix : suffixList) {
					if (subFile.getName().endsWith(suffix)) {
						System.out.println(subFile.getName());
						getTextFromPDF(subFile);
					}
				}
			}
		}
	}

	/**
	 * 处理单个pdf为字符串
	 * 
	 * @param pdfFilePath
	 *            pdf文件路径
	 */
	public void getTextFromPDF(File pdfFile) {
		PDDocument document = null;

		// 方式二：
		try {
			document = PDDocument.load(pdfFile);

			// 获取页码
			int pages = document.getNumberOfPages();

			System.out.println(pages);

			// 读文本内容
			PDFTextStripper stripper = new PDFTextStripper();
			// 设置按顺序输出
			stripper.setSortByPosition(true);
			stripper.setStartPage(1);
			stripper.setEndPage(pages);
			String content = stripper.getText(document);
			// System.out.println(content);
			outputData(resultFile, content);
		} catch (InvalidPasswordException e) {
			System.out.println(121);
		} catch (Exception e) {
			System.out.println(123331);

		}
	}
	private void stringWithOutChinese(){
		StringForChinese chinese=new  StringForChinese();
		chinese.subStrWithOutChinese(str);
	}

}