批量把pdf文件中的文本信息读出
现在有大约500个pdf文件，希望把其中的文本文件读出。我的思路：
1 直接用程序解析pdf文件，读取文本信息。
2 找到支持命令行的pdf工具，利用批处理等方法批量转换为txt文件或者其他，间接读取。
第一种方法当然最好，但是没有找到相应的类，好像有个java的叫pdfbox，弄出来是乱码。
第二种方法还没有找到支持命令行的转txt文件的工具。 --------------------编程问答-------------------- up --------------------编程问答-------------------- pdfbox支持中文有问题 --------------------编程问答-------------------- 2.好像pdf7以上就自带转换到txt的工具吧 --------------------编程问答-------------------- 关于pdf的java开源项目：
http://www.open-open.com/34.htm
iText 点击次数：15287
iText是一个能够快速产生PDF文件的java类库。iText的java类对于那些要产生包含文本，表格，图形的只读文档是很有用的。它的类库尤其与java Servlet有很好的给合。使用iText与PDF能够使你正确的控制Servlet的输出。
JFreeReport 点击次数：9089
JFreeReport的数据继承自Swing组件的TableModel接口。JFreeReport生成的报表可以分页预览、打印或者保存为多种格式的文件包括pdf、Excel、html等。
PJX 点击次数：7982
PJX支持读取，组合，处理，和生成PDF文档（注意：PJX需要 J2SE 1.4.0 或更高版本）。
FOP 点击次数：7582
FOP是由James Tauber发起的一个开源项目，原先的版本是利用xsl-fo将xml文件转换成pdf文件。但最新的版本它可以将xml文件转换成pdf，mif，pcl，txt等多种格式以及直接输出到打印机，并且支持使用SVG描述图形。
gnujpdf 点击次数：7384
gnujpdf是一个java类包(gnu.jpdf.*),它提供了一个简单的API来创建与打印PDF文件。遵循LGPL开源协议。
PDF Box 点击次数：9020
PDFBox是一个开源的可以操作PDF文档的Java PDF类库。它可以创建一个新PDF文档,操作现有PDF文档并提取文档中的内容。
它具有以下特性:
1.将一个PDF文档转换输出为一个文本文件。
2.可以从文本文件创建一个PDF文档。
3.加密/解密PDF文档。
4.向已有PDF文档中追加内容。
5.可以从PDF文档生成一张图片。
6.可以与Jakarta Lucene搜索引擎的整合。
Connla 点击次数：7703
Connla是一个Java包用于创建可导成TXT,CSV,HTML,XHTML,XML,PDF和XLS等格式的数据集。
PDF Split & Merge 点击次数：6767
PDF Split&Merge是一款实用基于GPL许可协议发布的PDF文件分割与合并工具。您可以指定页码范围将一个PDF文件分割为若干PDF 文件(支持单页和多页混合)，或将多个PDF文件按指定顺序合并成一个PDF文件。其转换速度非常快。它采用Java Swing开发,运用到的第三方组件包括：iText,jcmdline和JGoodies界面包。
PDF Clown for Java 点击次数：6613
PDF Clown for Java是一个基于Java1.5用于读，写和操作PDF文档的Java类包。它提供多个抽象层来满足不同的编程风格：从底层(PDF对象模型)到高级(PDF文档结构和内容流)。
iText toolbox 点击次数：46
iText toolbox是一个Java Swing应用程序,其起初是iText类库的一部分。iText toolbox既可以作为一个可执行的Jar，也可作为Java Webstart应用程序运行。对于完成各种类型的PDF相关文件操作，iText toolbox是一个非常有用的工具比如：把一个目录下的所有图片转换成一个PDF文档，合并现有PDF文档等。此外开发人员可以把它当成一个学习iText类库各项功能的工具。
--------------------编程问答-------------------- 和我联系，我有这样的东西easypdf@gmail.com --------------------编程问答-------------------- .net的话，可以使用itextsharp-4.0.3-dll.zip
要的话 email我：kimmking at 163.com
--------------------编程问答-------------------- PDFsharp 更新时间（2006-6-20）
PDFsharp是一款可以让.NET框架支持的任何语言很容易的创建PDF文件的类库。
ASP.NET FO PDF 更新时间（2006-6-20）
FO PDF 是一款C#编写类似于ASP.NET服务器控件的控件。它接受DataTable 和一些其它参数来创建XSL FO，并使用NFOP (Apache FOP Port in J#) PDF Formatter来绘制一个类似PDF Report 的DataGrid 。今后将会增加更多的标签来可以生成XSL FO 。
Report.NET 更新时间（2006-6-20）
Report.NET 开源类库包含了生成精确PDF文档的类。它是.NET平台下的C#编写的，可以帮助你创建简单的灵活的PDF文件。你可以从任何ADO.NET的DataSet取得数据来创建PDF文档。ASP.NET可以用Report.NET来创建动态的PDF响应页面。
SharpPDF 更新时间（2006-6-20）
SharpPDF是可以用来简单的创建PDF文件的C#类库。它创建的文件百分白兼容PDF格式。
iTextSharp 更新时间（2006-6-19）
iTextSharp是一款开源的PDF操作类库，使用它可以快速的创建PDF文件。http://hardrock.cnblogs.com/ 是一个关于 iTextSharp的中文Blog。 --------------------编程问答-------------------- http://www.cs-open.com/sort/16.html --------------------编程问答-------------------- 没有找到用iTextSharp读取文本的方法 --------------------编程问答-------------------- zhangjidong(简单生活) ( ) 信誉：100 2007-6-22 1:06:22 得分: 0
没有找到用iTextSharp读取文本的方法
----------------------------------
不大会吧，应该有pdfReader之类的类
--------------------编程问答-------------------- 不过iTextSharp好像不能处理不是自己生成的pdf文件，似乎能识别的格式太少？ --------------------编程问答-------------------- dotnet环境下从PDF文档中抽取Text文本的一些方法汇总,
http://www.cnblogs.com/hardrock/archive/2006/04/05/367543.html
http://blog.rubypdf.com/2006/11/14/extract-text-from-pdf-under-dotnet/
http://rubypdf.com/2006/11/14/pdftohtml-convert-pdf-to-html-and-xmleven-excel
这个就是利用pdftohtml来实现的http://www.cnblogs.com/hardrock/archive/2006/04/30/389291.html --------------------编程问答-------------------- 最近使用了xpdf，感觉很不错 --------------------编程问答-------------------- 找了个工具PDF2TXT --------------------编程问答-------------------- PDF2TXT
--------------------编程问答-------------------- up --------------------编程问答-------------------- Mark --------------------编程问答-------------------- 学习 --------------------编程问答-------------------- 你可用autoit写脚本，代替你手工操作。
我要的比你还难，要找到对应的表格，将表格读到数据库中。 --------------------编程问答-------------------- 不错。 --------------------编程问答-------------------- mark ！顶一下 --------------------编程问答-------------------- mark~ --------------------编程问答--------------------
大哥 你是怎么写的啊 我现在也在做这个 读取pdf里面的表格数据
如果不是机密的话 麻烦发一个列子给我 memaxiaofeng@163.com
--------------------编程问答--------------------
秦风意动(qsoft开源工作室
。。。
问一下，开源工作室怎么盈利啊？
补充：.NET技术 , C#
