PDF转换成Txt

  我的弱智想法是所有能转换成PDF的文件,就都用PDF预览,上传成功后开启一个线程把文档转换成PDF,PDF再转换成txt。

目的是把txt插入索引进行全文检索。

调用的时候

string filePath=“文件的物理路径”;

string wordToTxtPath = filePath.Replace(".pdf", ".txt");
PdfToTxt.pdf2txt(filePath, wordToTxtPath);     你想保存的位置,路径最后的文件名要是txt

PdfToTxt.cs

public static void pdf2txt(string filePath,string savePath)
{
string file = filePath;
string save = savePath;

FileInfo pdffile=new FileInfo(filePath);
FileInfo txtfile = new FileInfo(savePath);

PDDocument doc = PDDocument.load(pdffile.FullName);

PDFTextStripper pdfStripper = new PDFTextStripper();

string text = pdfStripper.getText(doc);

StreamWriter swPdfChange = new StreamWriter(txtfile.FullName, false, Encoding.GetEncoding("UTF-8"));

swPdfChange.Write(text);

swPdfChange.Close();

}

引用插件

using org.pdfbox.pdmodel;
using org.pdfbox.util;

下载:   访问网址http://sourceforge.net/projects/pdfbox/

二、引用动态链接库

解压缩下载的PDFBox,找到其中的Bin目录,需要在项目中添加引用的dll文件有:
    IKVM.GNU.Classpath.dll
    PDFBox-0.7.3.dll
    FontBox-0.1.0-dev.dll
    IKVM.Runtime.dll

将以上4个文件引用到项目中,在文件中需要引入以下2个命名空间:
    using org.pdfbox.pdmodel;
    using org.pdfbox.util;

忽然发现我好想是看了大神的博客:http://blog.****.net/LCL_data/article/details/6043898

上一篇:4.产生10个1-100的随机数,并放到一个数组中 (1)把数组中大于等于10的数字放到一个list集合中,并打印到控制台。 (2)把数组中的数字放到当前文件夹的numArr.txt文件中


下一篇:js中的“闭包”