如何將PDF轉換爲文本文件並保留PDF格式？

Question

你好，我想將PDF文件轉換爲文本文件。我將PDF文件轉換爲文本文件。但它並不保留完全在PDF文件中的文本格式。

請幫幫我。

Answer 1

文本文件本身不能包含格式。

您不能在純文本文件中保留格式，因爲它只包含文本。文本文件中可能會有HTML標記，但我會將其稱爲HTML文件。否則，您應該嘗試將其轉換爲富文本格式（RTF），Microsoft Word，OpenOffice或其他文檔類型。

Answer 2

PDFBox的將幫助你這一點，可能會失去一些格式爲埃裏克·羅伯遜說

參考PDF Text Parser: Converting PDF to Text in Java using PDFBox

Answer 3

這可以幫助你。

File f = new File(fileName); 
     if (!f.isFile()) { 
      return null; 
     } 


     try { 
      parser = new PDFParser(new FileInputStream(f)); 
     } catch (Exception e) { 
      return null; 
     } 

     try { 
      parser.parse(); 
      cosDoc = parser.getDocument(); 
      pdfStripper = new PDFTextStripper(); 
      /* pdfStripper.setStartPage(2); 
      pdfStripper.setEndPage(3);*/ 
      pdDoc = new PDDocument(cosDoc); 
      parsedText = pdfStripper.getText(pdDoc); 
     } catch (Exception e) { 
      System.out.println("An exception occured in parsing the PDF Document."); 
      e.printStackTrace(); 
      try { 
        if (cosDoc != null) cosDoc.close(); 
        if (pdDoc != null) pdDoc.close(); 
       } catch (Exception e1) { 
       e.printStackTrace(); 
      } 
      return null; 
     }