[JAVA] Convertire file PDF

[Ivan7]

Ho bisogno di qualche dritta per convertire un file pdf in un file txt.
Avete qualche suggerimento?

[puntino]

Scusami Ivan7 potresti specificare in quale contesto di serve questa conversione

[Ivan7]

Si hai ragione...
Io sto sviluppando un'applicazione che mi permette, attraverso le librerie di Open Office, di convertire i file presenti in una directory in formato txt.
Ora io sono riuscito a fare questa conversione per tutti i tipi di file (doc, xls, rtf...) ma non riesco a fare la conversione di un pdf.

Questa è la parte di codice che converte i file:

import com.sun.star.*;

public static void convert (File file, XComponent component, String dirFinale)
throws Exception{

XStorable xStorable = (XStorable)
UnoRuntime.queryInterface(XStorable.class, component);

String fileName = file.getName();
StringTokenizer st = new StringTokenizer(fileName,".");

File file2 = new File(dirFinale+st.nextToken());
String estensione = st.nextToken();
File fileFinale = new File(file2 +"."+estensione+".txt");

// Set properties for conversions
PropertyValue[] conversionProperties ;


if(estensione.equalsIgnoreCase("xls")){

conversionProperties = new PropertyValue[3];

conversionProperties[0] = new PropertyValue();
conversionProperties[0].Name = "Overwrite";
conversionProperties[0].Value = new Boolean(true);

conversionProperties[1] = new PropertyValue();
conversionProperties[1].Name = "FilterName";
conversionProperties[1].Value = "Text - txt - csv (StarCalc)";

conversionProperties[2] = new PropertyValue();
conversionProperties[2].Name = "FilterOptions";
conversionProperties[2].Value = "44,34,ANSI,1";

}else{

conversionProperties = new PropertyValue[2];

conversionProperties[0] = new PropertyValue();
conversionProperties[0].Name = "Overwrite";
conversionProperties[0].Value = new Boolean(true);

conversionProperties[1] = new PropertyValue();
conversionProperties[1].Name = "FilterName";
conversionProperties[1].Value = "Text (encoded)";
}

// Convert
try {
xStorable.storeToURL(createUNOFileURL(fileFinale),
conversionProperties);

} catch (IOException e) {
e.printStackTrace();
}
}

[puntino]

Mi dispiace ma non posso esserti di aiuto.

[perzem]

io ho usato questo pacchetto http://www.jpedal.org/

[Ivan7]

Grazie a tutti lo stesso.
Ho risolto scaricando il pacchetto PDFBox, attraverso il quale riesci ad estrarre il testo contenuto in un pdf e salvarlo in una variabile.
Poi ho creato un file di testo e gli ho passato come contenuto la mia variabile.

[carligigi]

Ciao Mi daresti una mano
io provo a estrerre il ytesto ma ho la seguente ecezione!!!!
import org.pdfbox.pdmodel.PDDocument;
import org.pdfbox.pdfparser.PDFParser;
import java.io.*;
import org.pdfbox.util.PDFTextStripper;
import java.util.Date;

public class Main {

/** Creates a new instance of Main */
public Main() {
}

public static void main(String[] args) {
PdfExtracter p=new PdfExtracter();
String t;
try {
t=p.GetTextFromPdf("C:\\Users\\Peppe\\Desktop\\pro va.pdf");
} catch (Exception ex) {
ex.printStackTrace();
}
}
}


class PdfExtracter {

public PdfExtracter() {
}

public String GetTextFromPdf(String filename) throws Exception
{
String text = "";
InputStream in=new FileInputStream(filename);
StringWriter out=new StringWriter();
PDFTextStripper stripper = new PDFTextStripper();
PDFParser parser = new PDFParser(in);
parser.parse();
PDDocument document = parser.getPDDocument();
stripper.writeText(document,out);
text=out.toString();
System.out.println(text);
return text;
/*PDDocument pdfdocument = null;
FileInputStream is = new FileInputStream(filename);
PDFParser parser = new PDFParser( is );
parser.parse();
pdfdocument = parser.getPDDocument();
ByteArrayOutputStream out = new ByteArrayOutputStream();
OutputStreamWriter writer = new OutputStreamWriter( out );
PDFTextStripper stripper = new PDFTextStripper();
stripper.writeText(pdfdocument.getDocument(), writer);
writer.close();
byte[] contents = out.toByteArray();

String ts = new String(contents);
System.out.println("the string length is"+contents.length+"\n");
return ts;*/
}
}


errore:
Exception in thread "main" java.lang.NoClassDefFoundError: org/fontbox/afm/AFMParser
at org.pdfbox.pdmodel.font.PDFont.getAFM(PDFont.java: 350)
at org.pdfbox.pdmodel.font.PDFont.getAverageFontWidth FromAFMFile(PDFont.java:313)
at org.pdfbox.pdmodel.font.PDSimpleFont.getAverageFon tWidth(PDSimpleFont.java:231)
at org.pdfbox.util.PDFStreamEngine.showString(PDFStre amEngine.java:276)
at org.pdfbox.util.operator.ShowTextGlyph.process(Sho wTextGlyph.java:80)
at org.pdfbox.util.PDFStreamEngine.processOperator(PD FStreamEngine.java:452)
at org.pdfbox.util.PDFStreamEngine.processSubStream(P DFStreamEngine.java:215)
at org.pdfbox.util.PDFStreamEngine.processStream(PDFS treamEngine.java:174)
at org.pdfbox.util.PDFTextStripper.processPage(PDFTex tStripper.java:336)
at org.pdfbox.util.PDFTextStripper.processPages(PDFTe xtStripper.java:259)
at org.pdfbox.util.PDFTextStripper.writeText(PDFTextS tripper.java:216)
at PdfExtracter.GetTextFromPdf(Main.java:40)
at Main.main(Main.java:18)
Java Result: 1

[Vixer]

Originariamente inviato da Ivan7
Grazie a tutti lo stesso.
Ho risolto scaricando il pacchetto PDFBox, attraverso il quale riesci ad estrarre il testo contenuto in un pdf e salvarlo in una variabile.
Poi ho creato un file di testo e gli ho passato come contenuto la mia variabile.

Ciao, ho avuto il tuo stesso problema, io devo estrarre il testo di un pdf (200 pagine o più) per salvarlo in un database, o simili. Mi potresti dire come hai fatto? mi dai qualche consiglio o magari se vuoi mi dai uno stralcio di codice della parte riguardatane l'estrazione.
In oltre vorrei sapere se hai usato solo PDFBox.

[alka]

Originariamente inviato da Vixer
Ciao, ho avuto il tuo stesso problema

La discussione è vecchia di anni ed è stata già risollevata.

Se hai un problema specifico, apri una discussione dedicata rispettando le norme indicate nel Regolamento di quest'area.