java进行pdf解析-----pdfbox



对pdf解析有不少成熟技术,经过选型,我最后选定用pdfbox。

前面那个flash上传的是pdf,实际保存到数据库的也是pdf,但中间还有个过程:转换为text文本,并抽取作者、时间、标题、、、之类的信息进行索引(用的lucene)

因为pdfbox原生提供了生成luceneDocument的类,所以不需要什么编程,只针对特殊需求hack了几个小地方,因此就不贴代码了。

这个贴的目的就是推荐一下pdfbox,以后需要用到pdf->text的,这个工具值得使用。

 

【2009-8】

 

你可能感兴趣的:(java,编程,Flash,Lucene,idea)