java - 如何将 PDF 转换为文本文件并保留 PDF 的格式？

Question

您好，我想将 PDF 文件转换为文本文件。我正在将 PDF 文件转换为文本文件。但它不保留 PDF 文件中的文本格式。

请帮我。

Answer 1

文本文件本身不能包含格式。

您不能在纯文本文件中保留格式，因为它只包含文本。文本文件中可能有 HTML 标记，但我将其称为 HTML 文件。否则，您应该尝试将其转换为富文本格式 (RTF)、Microsoft Word、OpenOffice 或其他一些文档类型。

Answer 2

PDFBox 将为您提供帮助，正如 Erick Robertson 所说，它可能会丢失一些格式

请参阅PDF Text Parser: Converting PDF to Text in Java using PDFBox

Answer 3

这可以帮助你。

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;  
        }