Atitit pdf转文本 pdf2txt v4 t83.docx Atitit pdf转文本 pdfutil 目录 1.1. Pdfbox cmd 模式 TextToPDF 1 1.2. Pdf

Atitit pdf转文本 pdf2txt v4 t83.docx

Atitit pdf转文本 pdfutil

1.1. Pdfbox cmd 模式 TextToPDF 1

1.2. Pdf util code 2

1.3. Pdf api模式 5

2. ref 6

import org.apache.poi.hslf.extractor.PowerPointExtractor;

poi工具

public static String readPPT(String f) {

PowerPointExtractor extractor;

try {

extractor = new PowerPointExtractor(new FileInputStream(new File(f)));

return extractor.getText();

} catch (IOException e) {

ExUtilV2t33.throwExV2(e);

}

return null;

}

java -jar C:\Users\attilax\Pictures\pdfbox-app-2.0.9.jar ExtractText "C:\atibeks517\l4 doc v3 r7a ori exted\_0index\一种简单的基于字符形状的验证码识别技术.pdf" c:\logs\识别技术.pdf.txt

转html

-console	false	Send text to console instead of file.
-html	false	Output in HTML format instead of raw text.

Pdfbox cmd 模式 TextToPDF

This application will create a PDF document from a text file.

Usage: java -jar pdfbox-app-2.y.z.jar TextToPDF [OPTIONS] <outputfile> <textfile>

Command-Line Parameter	Default	Description
-standardFont	Helvetica	The font to use for the text. Either this or -ttf should be specified but not both.
-ttf		The TTF font to use for the text. Either this or -standardFont should be specified but not both.

java——PDF转换txt - 乞彦 - 博客园.html

java -jar C:\Users\attilax\Pictures\pdfbox-app-2.0.9.jar ExtractText -console "C:\atibeks517\l4 doc v3 r7a ori exted\_0index\一种简单的基于字符形状的验证码识别技术.pdf" c:\logs\识别技术.pdf.txt

Pdf util code

/FulltxtLucenePrj/src/com/attilax/archive/pdfutilV3t88.java

pdfutilV3t88.java

import java.io.ByteArrayOutputStream;

import java.io.File;

import java.io.IOException;

import java.nio.file.FileVisitResult;

import java.nio.file.Files;

import java.nio.file.Path;

import java.nio.file.Paths;

import java.nio.file.SimpleFileVisitor;

import java.nio.file.attribute.BasicFileAttributes;

import org.apache.commons.exec.CommandLine;

import org.apache.commons.exec.DefaultExecuteResultHandler;

import org.apache.commons.exec.DefaultExecutor;

import org.apache.commons.exec.ExecuteException;

import org.apache.commons.exec.ExecuteWatchdog;

import org.apache.commons.exec.PumpStreamHandler;

import org.apache.commons.io.FileUtils;

import org.apache.commons.io.FilenameUtils;

import com.attilax.util.ExUtil;

public class pdfutilV2 {

public static void main(String[] args) throws ExecuteException, IOException {

Files.walkFileTree(

Paths.get(

"C:\\Users\\Administrator\\Documents\\WeChat Files\\attilax\\FileStorage\\File\\2019-08\\CityLink接入文档"),

new SimpleFileVisitor<Path>() {

// 处理文件

public FileVisitResult visitFile(Path file, BasicFileAttributes attrs) throws IOException {

// return super.visitFile(file, attrs);

String fpath = file.toString();

String ext=FilenameUtils.getExtension(fpath);

if(!ext.equals("pdf"))

return FileVisitResult.CONTINUE; // 没找到继续找

String rzt = pdfutilV2.convert2txt_consoleBlockmodeV2(fpath);

FileUtils.writeStringToFile(new File("d:\\0pdfout\\" + file.toFile().getName() + ".txt"), rzt,

true);

return FileVisitResult.CONTINUE; // 没找到继续找

}

});

String sou = "C:\\atibeks517\\l4 doc v3 r7a ori exted\\_0index\\一种简单的基于字符形状的验证码识别技术.pdf";

String dest = " c:\\logs\\v2识别技术.pdf.txt";

System.out.println();

;

}

public static String convert2txt_consoleBlockmodeV2(String sou) {

// String s = " java -jar D:\\0gif sexy\\pdfbox-app-2.0.9.jar ExtractText @sou@ @dest@";

// s.replaceAll("@sou@", sou);

// s.replaceAll("@dest@", dest);

// final CommandLine cmdLine = CommandLine.parse(s);

final CommandLine cmdLine = new CommandLine("D:\\jdk1.8.0_31\\bin\\java.exe");

cmdLine.addArgument("-jar");

cmdLine.addArgument("D:\\0gif sexy\\pdfbox-app-2.0.9.jar");

cmdLine.addArgument("ExtractText");

cmdLine.addArgument("-console");

cmdLine.addArgument(sou);

// cmdLine.addArgument(dest);

// DefaultExecuteResultHandler resultHandler = new

// DefaultExecuteResultHandler();

DefaultExecutor executor = new DefaultExecutor();

try {

ByteArrayOutputStream baos = new ByteArrayOutputStream();

executor.setStreamHandler(new PumpStreamHandler(baos, baos));// iytstren

System.out.println( cmdLine);

executor.execute(cmdLine);

String result = baos.toString("utf8").trim();

return result;

} catch (Exception e) {

ExUtil.throwExV2(e);

}

return "";

}

Pdf api模式

/bookmarksHtmlEverythingIndexPrj/src/emailPKg/ExtractTextFromPDF.java

package emailPKg;

import java.io.File;

import java.io.FileInputStream;

import java.io.FileNotFoundException;

import java.io.IOException;

import org.apache.commons.io.FileUtils;

import org.apache.commons.io.FilenameUtils;

import org.apache.pdfbox.pdfparser.PDFParser;

import org.apache.pdfbox.pdmodel.PDDocument;

import org.apache.pdfbox.util.PDFTextStripper;

/**

* jra 1.8.16

* @author zhoufeiyue

public class ExtractTextFromPDF {

public static String readPDFV2WithCache(String filename,String cacheDir) throws Exception{

String basename=FilenameUtils.getName(filename);

File file2 = new File(cacheDir+"\\"+basename+".txt");

if(file2.exists())

{

return FileUtils.readFileToString(file2);

}

File file = new File(filename);

FileInputStream in = null;

in = new FileInputStream(filename);

PDFParser parser = new PDFParser(in);

parser.parse();

PDDocument pdDocument = parser.getPDDocument();

PDFTextStripper stripper = new PDFTextStripper();

String result = stripper.getText(pdDocument);

System.out.println("PDF文件" + file.getAbsolutePath()+"内容如下：");

FileUtils.write(file2, result);

return (result);

}

ref

Apache PDFBox _ Command-Line Tools.html

Atitit 读写文件慢的解决方案cache法 pdf转txt

Atitit pdf转文本 pdf2txt v4 t83.docx Atitit pdf转文本 pdfutil 目录 1.1. Pdfbox cmd 模式 TextToPDF 1 1.2. Pdf相关推荐

Atitit 常见每日流程日程日常工作.docx v4
Atitit 常见每日流程日程日常工作.docx v4 ----早晨签到晨会,每天或者隔天每日计划( )项目计划,日常计划等. mailbox读取检查每日趋势推库 -----下午签退每日 ...
Atitit 手机号码选号规范流程 attilax总结 v4 s81.docx 1. Keyword关键词 2 2. 靓号的定义 2 3. 靓号的重要意义与解决问题为什么我们需要靓号
Atitit 手机号码选号规范流程 attilax总结 v4 s81.docx 1. Keyword关键词 2 2. 靓号的定义 2 3. 靓号的重要意义与解决问题为什么我们需要靓号指南, ...
Atitit 号码规范靓号指南 attilax总结 v4 r926.docx 1. Keyword关键词 2 2. 为什么我们需要靓号指南，因为很多人手机号都是瞎选乱选，没有规范不成方圆
Atitit 号码规范靓号指南 attilax总结 v4 r926.docx 1. Keyword关键词 2 2. 为什么我们需要靓号指南,因为很多人手机号都是瞎选乱选,没有规范不成方圆 ...
Atitit s2018 s4 doc list dvchomepc dvccompc.docx .docx \s2018 s4 doc compc dtS44 \s2018 s4 doc dvc
Atitit s2018 s4 doc list dvchomepc dvccompc.docx .docx \s2018 s4 doc compc dtS44 \s2018 s4 doc dvcCo ...
Atiitt 可视化报表图表之道 attilax著 Atiitt 可视化的艺术 attilax著 v2 s51.docx Atitit.可视化与报表原理与概论 1. 、什么是可视化(这一
Atiitt 可视化报表图表之道 attilax著 Atiitt 可视化的艺术 attilax著 v2 s51.docx Atitit.可视化与报表原理与概论 1. .什么是可视化(这一节有点 ...
python docx 替换文字_查找并替换.docx文件中的文本 - Python
我一直在寻找一种方法来查找和替换docx文件中的文本而运气不佳 . 我已经尝试过docx模块而无法使用它 . 最后,我使用zipfile模块计算了下面描述的方法,并替换了docx存档中的documen ...
atitit 音频项目系列功能表音乐 v3 t67.docx Atitit 音频项目系列功能表 1.音频音乐语言领域的功能表听歌识曲功能酷我功能。铃声功能。。音频切割（按
atitit 音频项目系列功能表音乐 v3 t67.docx Atitit 音频项目系列功能表音频音乐语言领域的功能表听歌识曲功能酷我功能. 铃声功能.. 音频切割(按照副歌部分 ...
atitit 音频项目系列功能表音乐 v3 t67.docx Atitit 音频项目系列功能表音频音乐语言领域的功能表听歌识曲功能酷我功能。铃声功能。。音频切割（按照副歌部
atitit 音频项目系列功能表音乐 v3 t67.docx Atitit 音频项目系列功能表音频音乐语言领域的功能表听歌识曲功能酷我功能. 铃声功能.. 音频切割(按照副歌部分 ...
Atitit 常见每日流程日程日常工作.docx v8 ver ampm imp 签到 am y 天气情况检查 am y 晨会，每天或者隔天 am 每日计划（项目计划，日计划等。 am
Atitit 常见每日流程日程日常工作.docx v8 ver ampm imp 签到 am y 天气情况检查 am y 晨会,每天或者隔天 am 每日计划(项目计划,日计划等. am 如遇一周,一月 ...
如何在 PDF 中搜索并准确找到您要查找的文本内容
您是否需要在冗长的 PDF 文档中快速查找单词或短语? 没有什么比打开一个只有文本墙的大型 PDF 文档更令人沮丧的了.或者必须在很长的文本中找到特定的单词或短语.或者很长的 PDF. 它不方便.耗时 ...

Atitit pdf转文本 pdf2txt v4 t83.docx Atitit pdf转文本 pdfutil 目录 1.1. Pdfbox cmd 模式 TextToPDF 1 1.2. Pdf

Atitit pdf转文本 pdf2txt v4 t83.docx Atitit pdf转文本 pdfutil 目录 1.1. Pdfbox cmd 模式 TextToPDF 1 1.2. Pdf相关推荐

最新文章

热门文章