java读取pdf

package document;

import interfaces.ICommon;

import java.text.SimpleDateFormat;
import java.util.Date;

import org.pdfbox.pdmodel.PDDocument;
import org.pdfbox.util.PDFTextStripper;

import common.AddTxt;

/**
 * 将pdf中的内容复制到txt中
 *
 * @author DanielCooger <a href="mailto:[email protected]">daniel</a>
 */

public class Pdf implements ICommon{

 // 新建文件夹路径
 private String path = "d:\\doc";
 private String date = new SimpleDateFormat("yyyyMMddHHmmss")
   .format(new Date());
 // 新建的txt文件路径
 private String pdf = "d:\\doc\\PDF" + date + ".txt";

 // 内存中存储的PDF Document
 private PDDocument document = null;
 // 是否排序
 private boolean sort = false;
 // 开始提取页数
 private int startPage = 1;
 // 结束提取页数
 private int endPage = Integer.MAX_VALUE;

 /**
  *根据输入的源文件路径得到pdf文件中的内容 file 参数为源文件pdf路径
  */
 public boolean readText(String file) throws Exception {
  // 注意参数已不是以前版本中的URL.而是File。
  document = PDDocument.load(file);
  // 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getText提取pdf中的文本
  try {
   if (new AddTxt()
     .addtxt(path, pdf, stripper.getText(document), true)) {
    System.out.println("ok");
    return true;
   } else {
    return false;
   }
  } catch (Exception e) {
   throw new Exception("此PDF文件无法解析");
  }
 }

}